Jun, 2023

通过短的生成诗歌片段让熟练读者辨识风格

PDF
TL;DR本研究基于三种基于字符的 LSTM 模型，针对俄罗斯著名诗人的诗歌文本进行了风格复制任务的评估，结果表明，无论如何，专业的评估者比普通读者更能够准确地评估风格，虽然 LSTM 模型在有限的训练语料库上可以很好地复制俄罗斯诗人的风格。
style transfernatural language generationlstm modelspoetry generationassessment
发现论文，激发创造
  • 学习在任意书写风格中生成文本

    通过对比训练的表示捕捉风格特征，从而引导语言模型以目标风格生成文本，实现满足作者特定风格的生成，而不需要微调底层语言模型。

    Dec, 2023

  • 自动生成作者风格诗歌的多语言方法

    该论文研究多语言环境下的文本风格生成问题，并基于长短时记忆人工神经网络和扩展语音和语义嵌入，实现了文学创作的风格生成，最终通过双语评估，调查调查和交叉熵等指标比较结果，认为该模型在创作文本方面优于随机采样和经典 LSTM 基线模型，并且生成文本的风格和目标作者十分相似。

    Jul, 2018

  • 现实世界文本风格转移自动评估的艰巨任务

    本文讨论了文本风格迁移技术中的关键问题，即使用无监督生成方法，自动评估风格迁移任务的难点。通过对类似文献的总结，我们阐述了当前风格迁移研究的问题，并指出现有的自动评估方法存在缺陷，无法准确评估迁移后句子的风格准确性、内容相似度和流畅性。本文旨在引导研究者思考风格迁移和评估研究的未来趋势。

    Oct, 2019

  • 文本风格转换：探索与评估

    本文提出使用对抗网络以学习分离内容表示和风格表示的方法来解决自然语言处理中的样式转移问题，并提出了新的评估指标来测量样式转移的转移强度和内容保留。作者在文章 - 新闻标题转移和正面 - 负面评论转移两个任务上评估了模型和指标，结果表明，所提出的模型的样式转移强度和内容保留得分比自动编码器更高，内容保留度指标与人类判断高度相关。

    Nov, 2017

  • 基于预训练模型的古典诗歌风格判断方法

    本文针对中国古典诗歌研究领域中诗歌风格的分析进行了探讨，通过构建最完善的中文古诗数据集，训练基于 BART-poem 预训练模型的通用诗歌风格判断方法，引入深度学习到计算风格研究中，提供了一种新的研究方法，试图用这种方法解决唐宋时期的诗歌风格识别问题。实验证明，该模型对于代表诗歌流派的诗人的诗歌进行的判定结果与先贤的结论基本一致，更好地解决了唐宋时期诗歌风格辨识的任务。

    Nov, 2022

  • 文本风格转移：重新训练、汇报错误、与重写比较

    本文针对样式转移的标准评估方法提出了几个问题，为了解决这些问题，我们建议通过计算原始文本和人类重写文本之间的 BLEU 来进行基准测试，并提出了三种优于现有技术的新体系结构。

    Aug, 2019

  • 在内容保持的风格转换方面，不要在改写时丢失信息

    文本风格转换方法在自然语言处理中越来越受欢迎，允许将文本从有毒到神经、从正式到非正式、从古老到现代英语等形式进行改写。在一些应用中，解决这一任务不仅仅是生成一些神经 / 非正式 / 现代化的文本，更重要的是保持原始内容不变。通过比较各种风格转换模型在正式转换领域的实例，我们对各种风格转换方法的内容保留能力进行了研究。我们创建了一个形式与非正式任务导向的对话的平行数据集，与 GYAFC 等现有数据集的关键区别是包含了必须在改写过程中保留的预定义语义槽，例如命名实体。这个额外的注释允许我们对几种最先进的风格转换技术进行精确的对比研究。我们研究的另一个结果是对无监督方法 LEWIS 进行改进，在所提出的任务中取得了明显的改进，优于原始方法和所有评估的基准方法。

    Aug, 2023

  • 扩散模型中的风格相似度测量

    通过提取样式描述符来将生成图像的风格归属于用于训练文本生成图像模型的图像，并展示了在各种样式检索任务中有希望的结果。

    Apr, 2024

  • 基于风格融合的面向受众的自然语言生成

    本文提出了风格注入的新任务，旨在将样本的风格偏好融入到预训练语言生成模型中，以生成具备风格的文本。通过有限的人工判断，我们的方法可以为风格分析模型提供数据并增强其样本集，同时平衡流畅性和风格采用。实验结果表明，我们的注入方法可以生成具有吸引力的风格化样例。

    Jan, 2023

  • 文本风格转移的深度学习综述

    该论文系统调查了 100 多篇关于神经文本风格迁移的文章，分析了任务制定，现有数据集和子任务的方法，评估以及并行和非并行数据的方法等方面，并就未来该领域的发展进行了讨论。

    Nov, 2020