原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
1462024，60（5）ComputerEngineeringandApplications计算机工程与应用
提示学习启发的无监督情感风格迁移研究
1，21
蔡国永，李安庆
1.桂林电子科技大学计算机与信息安全学院，广西桂林541004
2.广西可信软件重点实验室，广西桂林541004
摘要：文本样式迁移是在保留文本内容信息的同时移植具有某种所需样式属性的文本生成任务。为了提高在非
平行样式语料下的迁移质量，提出了一种指导填充掩码模型将句子重写为目标样式的新方法。该方法总体上基于
“删除-检索-生成”样式迁移框架，但采用大型无监督预训练语言模型和Transformer架构。根据Transformer的工作
机理，改进了从源语句中筛选样式属性的方法，通过提示学习方法挖掘预训练模型的内部知识以实现对目标样式词
的生成。在两个情感基准数据集上的实验表明，该方法在文本样式迁移任务上明显优于现有的编辑类方法，综合指
标的相对分数平均提高了14%以上。
关键词：文本生成；文本样式迁移；情感迁移；提示学习；Transformer
文献标志码：A中图分类号：TP183doi：10.3778/j.issn.1002-8331.2211-0317
Prompt-LearningInspiredApproachtoUnsupervisedSentimentStyleTransfer
CAIGuoyong1，2,LIAnqing1
1.SchoolofComputerScienceandInformationSecurity,GuilinUniversityofElectronicTechnology,Guilin,Guangxi
541004,China
2.GuangxiKeyLaboratoryofTrustedSoftware,Guilin,Guangxi541004,China
Abstract：Textstyletransferisthetaskoftransferringtextgenerationwithcertaindesiredstylepropertieswhilepreserving
theoriginaltextcontent.Inordertoimprovethetransferqualityundernon-parallelstylecorpus,thispaperproposesa
newmethodtoguidethefill-maskmodeltorewritethesentenceintothetargetstyle.Overall,thisapproachisbasedon
thedelete-retrieve-generatestyletransferframework,butemploysalargeunsupervisedpre-trainedlanguagemodeland
Transformerarchitecture.AccordingtotheworkingprincipleofTransformer,firstly,themethodoffilteringstyleattri-
butesfromthesourcesentenceisimproved,andthentheinternalknowledgeofthepre-trainedmodelisminedbythe
promptlearningmethodtogeneratethetargetstylewords.Experimentsontwosentimentbenchmarkdatasetsshowthat
themethodoutperformsexistingeditingmethods,withanaverageimprovementofmorethan14%inrelativescoreson
thecomprehensivemetrics.
Keywo
文档评论（0）