Abstrakt
Cílem přenosu sentimentu textu je změnit polaritu sentimentu věty (pozitivní na negativní nebo naopak) při zachování jejího obsahu nezávislého na sentimentu. Ačkoli současné modely vykazují dobré výsledky při změně sentimentu, zachování obsahu v přenesených větách je nedostatečné.
V tomto článku představujeme model přenosu sentimentu založený na denoisingu zohledňujícím polaritu, který přesně kontroluje atributy sentimentu v generovaném textu, do značné míry zachovává obsah a pomáhá vyvážit kompromis mezi stylem a obsahem. Námi navrhovaný model je strukturován kolem dvou klíčových fází procesu přenosu sentimentu: učení lepší reprezentace pomocí sdíleného enkodéru a generování řízené sentimentem pomocí specifických dekodérů pro každý sentiment.
Empirické výsledky ukazují, že naše metody překonávají současné základní metody z hlediska zachování obsahu a zároveň zůstávají konkurenceschopné z hlediska přesnosti a plynulosti přenosu stylu. Zdrojový kód, data a všechny další související podrobnosti jsou k d