SentiInc : Intégrer des informations sentimentales dans le transfert de sentiment sans données parallèles

Le transfert de sentiment à sentiment consiste à modifier le sentiment d’un texte donné tout en préservant les informations fondamentales qu’il contient. Dans ce travail, nous proposons un modèle, SentiInc, pour le transfert de sentiment à sentiment utilisant des données mono-sentiment non appariées. Les modèles existants de transfert de sentiment ignorent les détails spécifiques au sentiment déjà présents dans le texte. Nous abordons cette limitation en proposant un cadre simple permettant d’encoder les informations spécifiques au sentiment dans la phrase cible, tout en préservant l’information contenue. Ceci est réalisé en intégrant une fonction de perte fondée sur le sentiment dans le cadre du transfert de style basé sur la rétro-traduction. Des expériences étendues sur le jeu de données Yelp montrent que SentiInc surpasse les méthodes de pointe avec une amélioration pouvant atteindre jusqu’à 11 % en score G. Les résultats démontrent également que notre modèle génère des phrases dont le sentiment est précis et dont l’information est bien préservée.