基于生成提示的无监督文本情感转换方法
作者机构:昆明理工大学信息工程与自动化学院 云南省人工智能重点实验室(昆明理工大学)
出 版 物:《计算机应用》 (Journal of Computer Applications)
年 卷 期:2024年
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金资助项目(U21B2027,62266027,62266028,61972186) 云南省重大科技专项(202302AD080003) 云南省基础研究项目(202301AT070471,202201AS070179) 昆明理工大学“双一流”创建联合专项(202201BE070001-021)
摘 要:文本情感转换是在保留内容的基础上更改文本的情感属性。由于缺乏平行语料,现有无监督文本情感转换的方法主要通过文本重建和分类损失来构建情感和内容的潜在表征,实现情感转换。然而,这种弱监督信号训练策略在提示学习范式下的模型性能退化严重。针对以上问题,提出一种生成提示的方法,首先通过提示生成器生成文本内容提示,其次融合目标情感提示作为最终提示,最后构建了两阶段的训练策略,为模型训练提供平滑的训练梯度以解决模型性能退化的问题。在情感转换的公共数据集Yelp上的实验结果表明,所提方法在文本保留度、情感转换分数和BLEU显著优于生成的方法 UnpairedRL,分别提高了39.1%、62.3%和14.5%。