SentiInc: Einbeziehung von Sentiment-Informationen in die Sentiment-Übertragung ohne parallele Daten

Die Sentiment-zu-Sentiment-Übertragung beinhaltet die Veränderung des Sentiments eines gegebenen Textes unter Beibehaltung der zugrundeliegenden Information. In dieser Arbeit präsentieren wir ein Modell namens SentiInc für die Sentiment-zu-Sentiment-Übertragung unter Verwendung von unpaarigen, monosentimentalen Daten. Bestehende Modelle zur Sentiment-zu-Sentiment-Übertragung ignorieren die wertvollen, bereits im Text enthaltenen sentiment-spezifischen Details. Wir adressieren dieses Problem durch die Einführung eines einfachen Rahmens zur Kodierung sentiment-spezifischer Informationen im Zieltext, während die Inhaltsinformationen erhalten bleiben. Dies wird erreicht, indem ein auf dem Sentiment basierendes Verlustfunktional in den Back-Translation-basierten Stilübertragungsprozess integriert wird. Umfangreiche Experimente am Yelp-Datensatz zeigen, dass SentiInc state-of-the-art-Methoden mit einer Verbesserung von bis zu etwa 11 % im G-Score übertrifft. Die Ergebnisse belegen zudem, dass unser Modell sentimentgenaue und informationserhaltene Sätze erzeugt.