テキストのスタイル転換：再学習、エラー報告、リライトとの比較

本論文は、スタイル転換の標準的な評価方法にいくつかの重要な問題があることを示しています。第一に、スタイルの正確さと意味の保存に関する標準指標は、異なる再実行間で大きく変動します。したがって、得られた結果に対して誤差範囲を報告する必要があります。第二に、入力と出力のバイリンガル評価基準（BLEU）の特定の値と感情転換の正確さから始めて、これらの2つの標準指標の最適化がスタイル転換タスクの直感的な目標から逸脱することがあります。第三に、タスク自体の性質により、これらの2つの指標間に操作しやすい特定の依存関係があります。このような状況下で、我々はベンチマークのために入力と人間が書き直した文章間のBLEUを考慮することを提案します。また、この指標において最先端技術を上回る3つの新しいアーキテクチャを提案しています。