文本风格迁移研究综述 |
| |
作者姓名: | 陈可佳 费子阳 陈景强 杨子农 |
| |
作者单位: | 南京邮电大学计算机学院,江苏南京210023;江苏省大数据安全与智能处理重点实验室(南京邮电大学),江苏南京210023;南京邮电大学计算机学院,江苏南京210023 |
| |
基金项目: | 国家自然科学基金(61772284,61876091) |
| |
摘 要: | 文本风格迁移是近年来自然语言处理领域的热点问题之一,旨在保留文本内容的基础上通过编辑或生成的方式更改文本的特定风格或属性(如情感、时态和性别等).旨在梳理已有的技术,以推进该方向的研究.首先,给出文本风格迁移问题的定义及其面临的挑战;然后,对已有方法进行分类综述,重点介绍基于无监督学习的文本风格迁移方法并将其进一步分为隐式和显式两类方法,对各类方法在实现机制、优势、局限性和性能等方面进行分析和比较;同时,还通过实验比较了几种代表性方法在风格迁移准确率、文本内容保留和困惑度等自动化评价指标上的性能;最后,对文本风格迁移研究进行总结和展望.
|
关 键 词: | 文本风格迁移 自然语言处理 对抗学习 强化学习 机器翻译 |
收稿时间: | 2021-07-04 |
修稿时间: | 2021-09-22 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载全文 |
|