텍스트 스타일 전환: 재학습, 오류 보고, 리라이트와 비교

본 논문은 스타일 전환의 표준 평가 방법론에 여러 가지 중요한 문제가 있음을 보여줍니다. 첫째, 스타일 정확성과 의미 보존을 측정하는 표준 지표들이 다른 실행에서 크게 달라집니다. 따라서 얻어진 결과에 대한 오차 범위를 보고해야 합니다. 둘째, 입력과 출력 사이의 이중언어 평가(BLEU) 점수와 감성 전환의 정확성을 일정 수준으로 시작할 때, 이 두 가지 표준 지표의 최적화는 스타일 전환 작업의 직관적인 목표에서 벗어납니다. 마지막으로, 작업의 특성상 이 두 지표 간에 조작하기 쉬운 특정 의존 관계가 존재합니다. 이러한 상황에서, 우리는 벤치마크를 위해 입력과 사람이 작성한 재구성 문장 사이의 BLEU 점수를 고려할 것을 제안합니다. 또한, 이 지표 측면에서 기존 최신 기술을 능가하는 세 가지 새로운 아키텍처를 제안합니다.