谷歌的人工智能可以改變句子的情緒聲音緊張和情緒

請小心，代筆人：人工智能(AI)即將來臨。在蒙特利爾的NeurIPS 2018會議上接受的一篇論文(“ 內容保留文本生成與屬性控制 ”)中，來自密歇根大學和谷歌大腦的數據科學家描述了一種機器學習架構，它不僅能夠生成給定樣本的句子，但是在保留其原意的同時改變原始文本的情緒，復雜性，緊張甚至聲音。

這可能有一天會用于復述，團隊假設，機器翻譯和會話系統。它可以補充11月微軟研究所展示的系統，它利用復雜的自然語言處理技術推理弱結構化文本中的關系。

“在這項工作中，我們解決了修改句子文本屬性的問題，”研究人員寫道。“據我們所知，我們演示了第一個學習如何在沒有并行數據的情況下修改給定句子的多個文本屬性的實例。”

該團隊首先解決了情緒控制問題。他們采購了餐館評論數據集 - Yelp評論數據集的過濾版本 - 以及大量的IMDB電影評論，分別為447,000和300,000個句子，用于訓練系統。

在培訓之后，研究人員使用128,000次餐廳評論和36,000次電影評論的測試數據集，嘗試從具有負面情緒的句子中生成具有正面情緒的文本片段，反之亦然。

評估BLEU--“雙語評估替代”的縮寫，是評估機器翻譯文本的標準指標 - AI系統能夠勝過兩種領先的文本生成方法。此外，它始終生成與輸入句子相關的語法正確句子 - 在某種程度上，亞馬遜機械土耳其人的研究參與者認為其輸出比以前的方法更加真實。

生成的句子令人驚訝地連貫。在一個例子中，“柜臺后面的人不友善”變成“柜臺上的人非常友好和樂于助人。”在另一個例子中，模特翻轉“這是關于電影的另一個有趣的方面”到“沒有救贖”關于這部電影的品質。“

更令人印象深刻的是，另一項測試中的研究人員使用該系統同時控制句子的多種屬性 - 包括情緒，時態，聲音和情緒。在對來自多倫多BookCorpus數據集的200萬個文本片段的數據集進行培訓之后，該模型能夠將未來時態中的指示性情緒(“John將無法在陣營中生存”)中的句子翻譯為條件時態中的虛擬語氣(“約翰不能住在營地“)。

“我們證明我們的模型通過各種實驗和指標有效地反映了條件信息，”研究人員寫道。“雖然以前的工作主要圍繞控制單個屬性并在兩種樣式之間進行轉換，但建議的模型很容易擴展到多屬性場景。在此框架中考慮具有連續值的屬性以及更大的語義和句法屬性集將是有趣的未來工作。