直播 | IJCAI 2020：基于学习实例隐空间的文本风格转换

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到清华大学计算机系自然语言处理实验室 (THUNLP) 博士生矣晓沅，为大家解读其发表于 IJCAI 2020 的最新工作。对本期主题感兴趣的小伙伴，2 月 4 日（周四）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

直播信息

文本风格自动转换是一个有趣的任务。由于缺乏平行语料，大多数工作致力于实现无监督的风格转换并且取得了一定的效果。现有的方法大多通过将风格和内容进行解耦来实现转换，但是由于解耦的复杂性，这些模型往往无法兼顾转换后文本的内容保留度和风格准确度。

我们在该工作中提出了一个新的方法，利用流 (flow) 模型，基于多个风格实例来构建更强的风格信号，以此增强转换后文本的风格准确性，并在风格以及内容两个指标上取得了更好的平衡。同时，我们的模型也适用于半监督训练，可以利用少量平行数据进一步提升转换效果。

论文标题：

Text Style Transfer via Learning Style Instance Supported Latent Space

论文链接：

https://www.ijcai.org/Proceedings/2020/0526.pdf

代码链接：

https://github.com/XiaoyuanYi/StyIns

本次分享的具体内容有：  

• 背景介绍

• 模型方法

• 实验结果

• 结论及未来工作

嘉宾介绍

 矣晓沅 / 清华大学计算机系博士生 

矣晓沅，清华大学计算机系自然语言处理实验室 (THUNLP) 博士生，师从孙茂松教授，主要研究方向为文本自动生成。于ACL，EMNLP，CoNLL，IJCAI，AAAI等顶级国际会议以及CCL、中文信息学报等国内重要会议期刊发表论文十余篇。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。