TL;DR该论文提出了Masker,一种用于风格转移的无监督文本编辑方法,它利用掩码语言模型(Masked Language Models)在没有平行数据的情况下训练源语言和目标语言模型,并通过删除源文本的部分标记和替换为目标模型的标记,实现风格的转换。此方法在低资源环境中可以提高监督方法的准确性。
Abstract
We propose Masker, an unsupervised text-editing method for style transfer. To tackle cases when no parallel source-target pairs are available, we train →