초록
우리는 텍스트 속성 전환 작업을 고려합니다: 특정 속성을 변경하면서 속성과 무관한 내용은 유지하는 문장을 변환하는 것입니다(예를 들어, "화면 크기가 딱 적당하다"를 "화면이 너무 작다"로 변경). 우리의 학습 데이터는 문장의 속성(예: 긍정 또는 부정)만 라벨링되어 있으며, 속성만 다른 문장 쌍은 포함되어 있지 않으므로, 지도 없이 속성을 속성과 무관한 내용으로부터 분리하는 방법을 배워야 합니다. 이전 연구에서는 적대적 방법을 사용하여 고품질의 출력을 생성하는데 어려움을 겪었습니다. 본 논문에서는 텍스트 속성이 종종 구별되는 구문(예: "너무 작다")에 의해 표시된다는 관찰에서 영감을 받은 더 단순한 방법들을 제안합니다. 가장 강력한 방법은 원래 문장의 속성 값과 관련된 구문을 삭제하여 내용 단어를 추출하고, 대상 속성과 관련된 새로운 구문을 검색하며, 신경망 모델을 사용하여 이를 유창하게 결합하여 최종 출력을 생성합니다. 인간 평가에서, 우리 최고의 방법은 세 가지 속성 전환 데이터셋(Yelp 리뷰의 감정 변경, Amazon 리뷰의 감정 변경, 이미지 캡션의 로맨틱하거나 유머러스한 표현 변경)에서 이전 최고 시스템보다 22% 더 많은 입력에 대해 문법적으로 적절한 응답을 생성했습니다.