文本风格迁移入坑须知

首先给一个论文阅读列表：
1. Unpaired Sentiment-to-Sentiment Translation: A Cycled Reinforcement Learning Approach
2. Delete, Retrieve, Generate: A Simple Approach to Sentiment and Style Transfer
3. Generating Sentences by Editing Prototypes
4. Style Transfer from Non-Parallel Text by Cross-Alignment
5. Style Transfer Through Back-Translation
6. A Dual Reinforcement Learning Framework for Unsupervised Text Style Transfer
7. A Hierarchical Reinforced Sequence Operation Method for Unsupervised Text Style Transfer

而后干货：
由于都没有对齐语料作为训练集来训练深度神经网络（大部分都是seq2seq模型，有些只用了词的生成器），emmm。。。效果可想而知，不要被论文中的列举的例子所迷惑。所以你只是想研究文本的风格转移，当然可以玩。
但是你只是把它作为一个辅助任务，作为数据增强来使用，emm。。生成出来的文本还能辅助？还能增强？别拖后腿就好（别问我怎么知道的）。现在风格转移生成文本的质量远远没有达到可以现实应用的地步。

只是一风格转移为任务是个人觉得可提升的地方：目前全是深度学习在外加使用policy gradient的方法，对于文本的生成的损失函数只论词的生成概率，个人觉得可在损失函数中增加语言规则的损失项，类似词性，情感等之类，可以提升，而后在beam search阶段也可添加语言规则，而不是以概率论英雄。