نقل الأسلوب هو مشكلة مهمة في معالجة اللغات الطبيعية (NLP). ومع ذلك، فإن التقدم في نقل أسلوب اللغة يتأخر عن المجالات الأخرى مثل رؤية الكمبيوتر، وذلك بشكل أساسي بسبب نقص البيانات المتوازية والمقاييس التقييم المبدئية. في هذا البحث، نقترح تعلم نقل الأسلوب باستخدام بيانات غير متوازية. نستكشف نموذجين لتحقيق هذا الهدف، والفكرة الرئيسية وراء النماذج المقترحة هي تعلم تمثيلات محتوى منفصلة وتمثيلات أسلوب باستخدام شبكات متعارضة (adversarial networks). كما نقترح مقاييس تقييم جديدة تقيس جانبي نقل الأسلوب: قوة النقل وحفظ المحتوى. نقوم بتقييم نماذجنا والمقاييس التقييم على مهمتين: تحويل عناوين الأوراق العلمية إلى عناوين الأخبار، وتحويل التعليقات الإيجابية إلى السلبية والعكس بالعكس. تظهر النتائج أن المقاييس المقترحة لحفظ المحتوى مرتبطة بشكل كبير بآراء البشر، وأن النماذج المقترحة قادرة على إنشاء جمل ذات قوة أعلى في نقل الأسلوب ومعدل حفظ محتوى مشابه مقارنة بالكودر الذاتي (auto-encoder).