Supprimer, Récupérer, Générer : Une Approche Simple pour le Transfert de Sentiment et de Style

Nous abordons la tâche de transfert d'attributs textuels : transformer une phrase pour modifier un attribut spécifique (par exemple, le sentiment) tout en préservant son contenu indépendant de l'attribut (par exemple, changer « l'écran est juste de la bonne taille » en « l'écran est trop petit »). Nos données d'entraînement comprennent uniquement des phrases étiquetées par leur attribut (par exemple, positif ou négatif), mais pas des paires de phrases qui diffèrent uniquement par leurs attributs, nous devons donc apprendre à dissocier les attributs du contenu indépendant des attributs de manière non supervisée. Les travaux précédents utilisant des méthodes adverses ont eu du mal à produire des résultats de haute qualité. Dans cet article, nous proposons des méthodes plus simples motivées par l'observation que les attributs textuels sont souvent marqués par des phrases distinctives (par exemple, « trop petit »). Notre méthode la plus performante extrait les mots du contenu en supprimant les phrases associées à la valeur d'attribut originale de la phrase, récupère de nouvelles phrases associées à l'attribut cible et utilise un modèle neuronal pour combiner ces éléments de manière fluide dans une sortie finale. Selon l'évaluation humaine, notre meilleure méthode génère des réponses grammaticalement correctes et appropriées sur 22 % de cas supplémentaires par rapport au meilleur système précédent, moyenné sur trois jeux de données de transfert d'attributs : modification du sentiment des avis sur Yelp, modification du sentiment des avis sur Amazon et modification des légendes d'images pour qu'elles soient plus romantiques ou humoristiques.