초록
스타일 전환은 자연어 처리(NLP)에서 중요한 문제입니다. 그러나 언어 스타일 전환의 발전은 컴퓨터 비전과 같은 다른 분야에 비해 뒤처져 있으며, 이는 주로 평행 데이터와 원칙적인 평가 지표의 부족 때문입니다. 본 논문에서는 비평행 데이터를 사용하여 스타일 전환을 학습하는 방법을 제안합니다. 이 목표를 달성하기 위해 두 가지 모델을 탐구하였으며, 제안된 모델들의 핵심 아이디어는 적대적 네트워크를 사용하여 별도의 내용 표현과 스타일 표현을 학습하는 것입니다. 또한, 스타일 전환의 두 가지 측면인 전환 강도와 내용 보존을 측정하는 새로운 평가 지표를 제안합니다. 우리는 두 가지 작업, 즉 논문-뉴스 제목 전환 및 긍정-부정 리뷰 전환에서 우리의 모델과 평가 지표를 검증하였습니다. 결과는 제안된 내용 보존 지표가 인간의 판단과 높은 상관관계가 있음을 보여주며, 제안된 모델들이 오토인코더보다 더 높은 스타일 전환 강도와 유사한 내용 보존 점수를 가진 문장을 생성할 수 있음을 입증하였습니다.