本篇文章发表在2018年的 NAACL 上
在做这类任务时，要使转换后的句子尽可能做到这三个方面
- Attribute Transfer
- Content Preservation
- Grammaticality
Motivation
作者通过观察语料库中的句子，发现文本的属性一般是由句子中特定的情感词所决定
并基于此提出了本文的方法，文中将文本情感转换任务定义为：只将句子的情感改变，而不改变与情感无关的部分
如： the chicken was delicious ---------> the chicken was bland
文中的训练集是被标注了情感（positive or negative）的句子,但是是非平行的语料
Approach
-
Delete
即要找出句子中的情感词，并将其去掉，定位情感词方法如下：
\[ s(u,v)=\frac{count(u,D_v)+\lambda}{\sum_{v_1∈V,v_1≠v}^{}{count(u,D_{v_1})+\lambda}} \]
count用来计算词 u 在情感集中出现的次数，λ 为用来平滑的参数，当 s（u，v）超过阈值 γ 时，就认为 u 是与情感相关的部分 -
Retrieve （计算两个句子之间的相似度）
在删除源句子的情感词后，为了确定将什么词插入到 c （删除后所剩的内容）中，可以在包含目标情感的句子集中去找与原句子相似的句子，然后提取出情感词
-
Generate
作者采用了四种策略来生成新句子（前两种策略作为 baseline）
-
RETRIEVEONLY
即直接讲 retrieve 的那一步中找到的相似句子作为结果输出
优点：一定能生成一个语法上非常通顺的且包含目标情感的句子
缺点：可能生成的句子在内容上差别很大
-
TEMPLATEBASED
将 retrieve 中找到的相似句子的情感词提取出来，替代原句子的情感词
优缺点：一般需要原句子和目标句的上下文语境相似，在大多数情况可行，但有时会导致输出的句子在语法上不通顺
-
DELETEONLY
将删除情感词后得到内容 c 进行embedding之后送人一个 RNN，将隐藏层最后一层的输出与学习得到的 目标情感词进行拼接，再送入 RNN 解码器，产生新的句子
-
DELETEANDRETRIEVE
与 deleteonly 相似，先将 c 进行 embedding 送入一个 RNN, 然后将 retrieve 后提取的目标情感词 embedding 送入另一个 RNN, 再进行拼接，送入 RNN decoder，产生新句子
?
-
Delete, Retrieve, Generate: A Simple Approach to Sentiment and Style Transfer 阅读