谷歌人工智能可改變句子時態、語態屬性

在蒙特利爾的NeurIPS 2018大會的一篇論文——《帶有屬性控制的內容保留文本生成》中，密歇根大學和Google Brain的數據科學家描述了一種機器學習架構，不僅能夠根據給定樣本生成句子，還能夠在保留原意的前提下，改變原句的情緒、復雜程度、時態甚至是態度。

這個系統可能有一天會用于復述、團隊論斷、機器翻譯和會話系統。它可以補充微軟研究所11月展示的系統，該系統利用復雜的自然語言處理技術來推理弱結構文本中的關系。“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，我們演示了首個能夠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。他們找來了一個餐館評論數據集——Yelp評論數據集的過濾版本，以及大量的IMDB電影評論，這兩個數據集分別有447,000和300,000個句子，他們用來訓練系統。

在培訓完成之后，研究人員使用包含了128,000條餐廳評價和36,000條電影評論的測試數據集，嘗試將原本帶有負面情緒的句子轉換成具有正面情緒的文本，而將帶有正面情緒的句子轉換成帶有負面情緒的文本。

用“雙語評估替換”(BLEU)進行的評估表明，這個人工智能系統能夠勝過兩種領先的文本生成方法。BLEU是一套評估機器翻譯文本的標準方法。此外，它始終能夠生成與輸入的句子相關的、語法正確的句子，在某種程度上，亞馬遜的Mechanical Turk研究參與者認為它的輸出比以前的方法更為真實。

這個系統生成的句子的連貫程度令人驚訝。在一個例子中，“柜臺后面的人不友好”變成了“柜臺上的人非常友好并且樂于助人。”在另一個例子中，模型將“這是這部電影另一個有趣的地方”變成了“這部電影的質量簡直糟得沒救了”。

更令人印象深刻的是，在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、態度和情緒。在用來自Toronto BookCorpus數據集的200萬個文本片段進行培訓之后，該模型能夠將未來時態中的指示性情緒，“約翰將無法在營地中生存”轉換為條件時態中的虛擬語氣，“約翰不能住在營地”。