从整体到局部优化的文本风格迁移模型OA北大核心CSTPCD
A text style transfer model from global to local optimization
提出一种从整体到局部优化的风格迁移(global-local based style transfer,G-LST)模型.首先,利用广泛的源端数据进行迭代优化来自动构建高质量的伪平行数据,并通过联合训练来提升模型对整体风格的语义感知;随后,利用常识性知识修正词级的细粒度风格来增强局部风格的表现,同时兼顾整体与局部风格,提高风格转换的准确度.基于GYAFC数据集的实验结果表明,相较于目前表现最佳的文本风格迁移模型,G-LST模型在E&M与F…查看全部>>
A global-local based style transfer(G-LST)framework is proposed,optimizing from a glob-al to a local level.Firstly,extensive source-side data is used for iterative optimization to automatically construct high-quality pseudo-parallel data,and through joint training to improve the model's seman-tic perception of the global style.Subsequently,the model enhances the local style representation by modifying the style at the word level with commonsense knowle…查看全部>>
范剑宏;杨州;蔡铁城;吴运兵;廖祥文
福州大学计算机与大数据学院,福州大学福建省网络计算与智能信息处理重点实验室,数字福建金融大数据研究所,福建 福州 350108福州大学计算机与大数据学院,福州大学福建省网络计算与智能信息处理重点实验室,数字福建金融大数据研究所,福建 福州 350108福州大学计算机与大数据学院,福州大学福建省网络计算与智能信息处理重点实验室,数字福建金融大数据研究所,福建 福州 350108福州大学计算机与大数据学院,福州大学福建省网络计算与智能信息处理重点实验室,数字福建金融大数据研究所,福建 福州 350108福州大学计算机与大数据学院,福州大学福建省网络计算与智能信息处理重点实验室,数字福建金融大数据研究所,福建 福州 350108
计算机与自动化
文本风格迁移迭代优化联合训练常识性知识
text style transferiterative optimizationjoint trainingcommonsense knowledge
《福州大学学报（自然科学版）》 2024 (4)
413-420,8
国家自然科学基金资助项目(61976054)
评论