要約
私たちはテキスト属性転送というタスクを考えています。これは、特定の属性（例えば、感情）を変更しながら、属性に依存しない内容（例えば、「画面はちょうど良いサイズだ」を「画面は小さすぎる」と変更する）を保つことを目的としています。私たちの学習データには、属性（例えば、肯定的または否定的）がラベル付けされた文のみが含まれており、属性以外の部分だけが異なる文のペアは含まれていないため、教師なしで属性と属性に依存しない内容を分離する必要があります。これまでの敵対的手法を使用した研究では、高品質な出力を生成することが難しかったです。本論文では、テキスト属性がしばしば特徴的なフレーズによって示されることに基づいて、より単純な手法を提案します（例えば、「小さすぎる」）。私たちの最も強力な手法は、元の属性値に関連するフレーズを削除して内容語を抽出し、目標属性に関連する新しいフレーズを探し出し、ニューラルモデルを使用してこれらを流暢に組み合わせて最終出力を生成します。人間による評価では、Yelpのレビュー的感情変更、Amazonのレビュー的感情変更、画像キャプションのロマンチックさやユーモラスさへの変更という3つの属性転送データセットにおいて、最良の従来システムよりも22%多い入力に対して文法的に適切かつ適切な応答を生成しました。