AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文:https://www.aminer.cn/topic
论文集地址:https://www.aminer.cn/topic/6019207692c7f9be2176481c
文本风格迁移是当前自然语言处理中的一个热门问题,主要通过对文本进行一些更改来研究文本以适应不同的特定情况,受众和目的。文本的风格通常包括许多方面,例如形态,语法,情感,复杂性,流利程度,时态,语气等。在传统的文本风格迁移模型中,通常通过专家知识和手工设计的规则来依赖文本样式,但是随着深度学习在自然语言处理领域的应用,基于深度学习的文本风格迁移方法开始受到关注。
该论文集共收录57篇论文,最高引用数是561,来自北京大学的孙栩在该领域发表了5篇论文,在所有学者中最多。
订阅了解更多论文信息,定制您的个人科研动态信息流:https://www.aminer.cn/user/notification?f=mt