检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于邻近性语义感知的无监督文本风格迁移

计算机应用 2024年

作者：安俊秀杨林旺柳源成都信息工程大学软件工程学院

针对离散词扰动和嵌入扰动方法中未充分考虑潜在空间词向量之间距离边界的问题，提出一种邻近性语义感知的对抗性自动编码器（SPAAE）方法。首先，采用对抗自动编码器作为底层模型；其次，根据词向量的临近距离求得噪声向量概率分布的... 详细信息

针对离散词扰动和嵌入扰动方法中未充分考虑潜在空间词向量之间距离边界的问题，提出一种邻近性语义感知的对抗性自动编码器（SPAAE）方法。首先，采用对抗自动编码器作为底层模型；其次，根据词向量的临近距离求得噪声向量概率分布的标准差，最后，通过对概率分布进行随机采样，动态调整扰动参数，最大程度模糊自身语义且不影响其他词向量的语义。实验结果表明，与DAAE(Denoising Adversarial Auto-Encoders)、EPAAE(Embedding Perturbed Adversarial Auto-Encoders)方法相比，在Yelp数据集上，自然流畅度分别提升了22.2%、23.2%；在Scitail数据集上，文本风格准确率分别提升了11.4%、6.6%；在Tenses数据集中，BLEU(BilinguaL Evaluation Understudy)值分别提升了17.8%、16.8%。SPAAE方法不仅在理论上提供了一种更精确的词向量扰动方式，且在7种公开数据集中展示了其在不同风格迁移任务中的显著优势。特别是在网络舆论引导中，所提方法可以用于情感色彩的文本风格迁移。

关键词：文本风格迁移语义感知无监督学习对抗学习嵌入扰动距离边界

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

从整体到局部优化的文本风格迁移模型

福州大学学报(自然科学版) 2024年第4期52卷 413-420页

作者：范剑宏杨州蔡铁城吴运兵廖祥文福州大学计算机与大数据学院福州大学福建省网络计算与智能信息处理重点实验室数字福建金融大数据研究所

提出一种从整体到局部优化的风格迁移(global-local based style transfer, G-LST)模型.首先，利用广泛的源端数据进行迭代优化来自动构建高质量的伪平行数据，并通过联合训练来提升模型对整体风格的语义感知；随后，利用常识性知识修... 详细信息

提出一种从整体到局部优化的风格迁移(global-local based style transfer, G-LST)模型.首先，利用广泛的源端数据进行迭代优化来自动构建高质量的伪平行数据，并通过联合训练来提升模型对整体风格的语义感知；随后，利用常识性知识修正词级的细粒度风格来增强局部风格的表现，同时兼顾整体与局部风格，提高风格转换的准确度.基于GYAFC数据集的实验结果表明，相较于目前表现最佳的文本风格迁移模型，G-LST模型在E&M与F&R两个领域数据上的风格转换准确率分别提高了2.70%和4.47%,内容保留与风格准确率的综合指标分别提升了1.18%和1.95%.

关键词：文本风格迁移迭代优化联合训练常识性知识

维普期刊数据库

同方期刊数据库

基于多奖励强化学习的半监督文本风格迁移方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第8期51卷 263-271页

作者：李静文叶琪阮彤林宇翩薛万东华东理工大学计算机科学与工程学院上海200237

文本风格迁移是自然语言处理中的一项重要任务,其主要目的在于改变文本的风格属性,同时保留必要的语义信息。然而,在许多任务缺乏大规模平行语料库的情况下,现有的无监督方法存在文本多样性不足和语义一致性较差的问题。针对这些问题,... 详细信息

文本风格迁移是自然语言处理中的一项重要任务,其主要目的在于改变文本的风格属性,同时保留必要的语义信息。然而,在许多任务缺乏大规模平行语料库的情况下,现有的无监督方法存在文本多样性不足和语义一致性较差的问题。针对这些问题,文中提出了一种半监督的多阶段训练框架。该框架首先利用风格标注模型和掩码语言模型构造伪平行语料库,以有监督的方式引导模型学习多样性的迁移方式。其次,设计了对抗性相似奖励、Mis奖励和风格奖励,从未标记的数据中进行强化学习以增强模型的语义一致性、逻辑一致性和风格准确性。在基于YELP数据集的情感极性转换任务中,该方法的BLEURT分数提升了3.1%,Mis分数提升了2.5%,BLEU分数提升了9.5%;在基于GYAFC数据集的正式文体转换实验中,该方法的BLEURT分数提高了6.2%,BLEU分数提高了3%。

关键词：文本生成文本风格迁移多阶段训练风格标注模型强化学习

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

文本风格迁移研究综述

软件学报 2022年第12期33卷 4668-4687页

作者：陈可佳费子阳陈景强杨子农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

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... 详细信息

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

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

风格前缀引导下的无监督文本风格迁移

陆军工程大学学报 2023年第6期2卷 31-38页

作者：胡亚豪陶蔚谢艺菲王田丰潘志松陆军工程大学指挥控制工程学院江苏南京210007 军事科学院战略评估咨询中心北京100091

传统的深度学习方法为了完成不同的无监督文本风格迁移(text style transfer, TST)任务,需要独立训练和保存多个完整的模型。针对存在的问题:需要大量存储空间来存储不同的模型导致存储成本过高以及由于每个模型都是独立的,很难对它们... 详细信息

传统的深度学习方法为了完成不同的无监督文本风格迁移(text style transfer, TST)任务,需要独立训练和保存多个完整的模型。针对存在的问题:需要大量存储空间来存储不同的模型导致存储成本过高以及由于每个模型都是独立的,很难对它们进行模块化封装和复用,从而限制了模型的可重用性和可扩展性,受前缀调优技术的启发,提出风格前缀引导下的无监督风格迁移模型,该模型在语言模型的激活层前添加风格前缀,并通过注意力机制捕捉风格前缀的特征来引导风格迁移。保持预训练语言模型参数冻结,只优化和存储风格前缀的参数,从而节省了分别存储多个语言模型的开销。此外,多个任务共享同一个语言模型,提高了模型的可重用性和可扩展性。对两个常见的风格迁移任务进行实验,结果表明,无监督风格迁移模型大部分指标优于现有的基线模型,验证了该方法的有效性。

关键词：无监督学习前缀调优预训练语言模型自然语言生成文本风格迁移

维普期刊数据库

基于多奖励强化学习的半监督文本风格迁移方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2023年

作者：李静文叶琪阮彤林宇翩薛万东华东理工大学计算机科学与工程学院

文本风格迁移是自然语言处理中一项重要任务，其主要目的在于改变文本的风格属性，同时保留必要的语义信息。然而，在许多任务缺乏大规模平行语料库的情况下，现有的无监督方法存在文本多样性不足和语义一致性较差的问题。针对这些问题... 详细信息

文本风格迁移是自然语言处理中一项重要任务，其主要目的在于改变文本的风格属性，同时保留必要的语义信息。然而，在许多任务缺乏大规模平行语料库的情况下，现有的无监督方法存在文本多样性不足和语义一致性较差的问题。针对这些问题，文中提出了一种半监督的多阶段训练框架。该框架首先利用风格标注模型和掩码语言模型构造伪平行语料库，以有监督的方式引导模型学习多样性的迁移方式。接着，设计了对抗性相似奖励、Mis奖励和风格奖励，从未标记的数据中进行强化学习以增强模型的语义一致性、逻辑一致性和风格准确性。在基于YELP数据集的情感极性转换任务中，该方法的BLEURT分数提升了3.1%，Mis分数提升了2.5%，BLEU分数提升了9.5%；在基于GYAFC数据集的正式文体转换实验中，该方法的BLEURT分数提高了6.2%，BLEU分数提高了3%。

关键词：文本生成文本风格迁移多阶段训练风格标注模型强化学习

ID4TST: 基于融合数据集的文本风格迁移模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2023年

作者：顾亦然薛宇辰张腾飞南京邮电大学智慧校园研究中心南京邮电大学自动化学院人工智能学院

文本风格迁移是自然语言处理的一项新兴任务，旨在改变文本的风格属性并保持其语义不变，本文对写作风格的迁移进行研究。在较小规模数据集上训练的风格迁移模型虽然能根据源文本生成具有目标的写作风格的文本，但是却无法很好地保留源... 详细信息

文本风格迁移是自然语言处理的一项新兴任务，旨在改变文本的风格属性并保持其语义不变，本文对写作风格的迁移进行研究。在较小规模数据集上训练的风格迁移模型虽然能根据源文本生成具有目标的写作风格的文本，但是却无法很好地保留源文本的内容。本文将多个数据集融合进一个训练集，利用更大规模的数据增强模型抽取高级语义特征的能力，同时加入启发式语言模板用于区分不同的数据集。此外，本文还改进了作家归属分类器的分类算法进行写作风格的量化。实验结果表明，本文提出的方法生成的文本不仅能在一定程度上更接近目标写作风格，并且在源文本内容保存和通顺程度方面都优于其他模型。

关键词：文本风格迁移写作风格融合数据集启发式语言模板分类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于关键词和语法树的文本风格迁移模型

基于关键词和语法树的文本风格迁移模型

作者：王宇航华东师范大学

学位级别：硕士

文本风格迁移是自然语言处理领域中一个前沿的细分领域,具有重要的研究和工业应用价值。本文在前人研究的基础上,通过对比发现以往模型的不足,进而找到本文的研究目标,即针对现有模型无法实现文本内容和风格保留的平衡的问题,以及现有... 详细信息

文本风格迁移是自然语言处理领域中一个前沿的细分领域,具有重要的研究和工业应用价值。本文在前人研究的基础上,通过对比发现以往模型的不足,进而找到本文的研究目标,即针对现有模型无法实现文本内容和风格保留的平衡的问题,以及现有模型往往只能针对一种语料库,无法对平行语料和非平行语料均做针对性优化的问题,展开了研究探索,本文提出了一种基于关键词和语法树的文本风格迁移模型,不仅解决了现有模型的上述两个问题,而且尝试将其应用在相关的自然语言处理的聊天机器人任务中,从而实现了理论到工业落地的探索。本文受自然语言领域研究的启发,提出了一种基于关键词和语法树的文本风格迁移模型,从词语和语序的角度出发,将模型的整体框架设计为两阶段的处理任务,即先找到目标文本的可能表达的关键词词语列表,其次将这些词语列表通过融合语法树进行排序,输出既保留语意又符合语法的目标文本,并在平行语料和非平行语料两类数据中设计并进行了实验,此外,本文借鉴文本翻译的成熟评价指标,对模型进行了实验验证,证实了模型的有效性。本文的核心贡献主要有以下几个方面:（1）.本文实现了一种基于关键词和语法树的模型,不仅能很好的保留原文语意,又能实现可控的进行文本的风格的转换,且生成的文本具有较好的可读性,解决了过往模型无法实现文本内容和风格保留的平衡的问题。（2）.本文提出了一套预测排序框架。不仅能实现对有监督学习任务和无监督学习任务的处理。通过替换预测词语器模块,可以针对性的对有监督任务和无监督任务进行优化,解决了现有模型往往只针对一类语料的问题。（3）.本文基于上述模型开发了一个可以定制机器人语言风格的聊天机器人APP。通过指定机器人聊天风格,可以实现聊天机器人回复用户时有统一的语言风格。解决了聊天机器人任务,由于训练语料的多样性和不确定性导致的聊天回复文本风格不统一的问题。

关键词：文本风格迁移文本生成有监督学习无监督学习语法树

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经机器翻译的鲁迅文本风格迁移

基于神经机器翻译的鲁迅文本风格迁移

作者：郭肖和兰州大学

学位级别：硕士

鲁迅的文学作品是中国古典小说向现代小说转变的重要标志之一,其开创了中国小说艺术的新纪元,受到国内外众多学者的推崇,引领了近现代中国文学创作的研究方向。因此,对鲁迅作品的风格进行提取并加以迁移应用具有重要的现实价值。文本风... 详细信息

鲁迅的文学作品是中国古典小说向现代小说转变的重要标志之一,其开创了中国小说艺术的新纪元,受到国内外众多学者的推崇,引领了近现代中国文学创作的研究方向。因此,对鲁迅作品的风格进行提取并加以迁移应用具有重要的现实价值。文本风格迁移任务具有很多方向,如文本正式化、文本幽默化等,可适应更专业、幽默等写作要求。本文主要针对文本风格迁移中的作者风格迁移任务,通过神经机器翻译的方式对鲁迅的文学作品进行风格提取与迁移。在数据方面,首先收集鲁迅包括《朝花夕拾》、《呐喊》、《热风》等在内的22部作品集,共664篇作品,作为初始数据集。并针对此数据集,从统计学的角度对鲁迅的文学作品进行了数据分布分析、词频分析、词长分析、词性分析以及句长分析,了解鲁迅在用词以及用句等方面的风格特点。接着采取回翻的方法,调取百度翻译API进行中到英以及英到中的翻译,获得去除鲁迅风格的现代文文本,并将其与原始的鲁迅文本一一组合为句子对,构建“现代文文本——鲁迅风格文本”的平行语料库作为训练数据集。在模型方面,本文分别使用Bi LSTM、Bi LSTM+Attention、Conv S2S、Transformer以及深度预训练模型T5进行对比实验,并使用BLEU值、PPL值、风格准确率这三项指标作为模型评价指标,其中风格准确率使用单独训练的风格分类器得到。在训练阶段,模型编码器端输入现代文文本,解码器端输出与之对应的鲁迅风格文本,以此训练鲁迅的文本风格迁移模型,实现鲁迅文本风格的学习。实验结果显示Conv S2S、Bi LSTM+Attention与T5模型的效果较好。针对训练好的模型,进一步增加模型平均策略和label-smoothing策略来提升模型性能。接着,将训练好的模型加以应用,在实际例句中对比各模型的迁移效果。最后,将原始数据按照长度分级,分析各个模型在不同原始数据长度下的差异。

关键词：鲁迅文本风格迁移回翻神经机器翻译