| 1 |
1
입력 텍스트를 획득하는 단계;인코더를 통해, 획득된 입력 텍스트에 대한 잠재 표현(latent representation)을 획득하는 단계;스타일 임베딩 모델을 통해, 타겟 스타일에 대응하는 스타일 임베딩(style embedding)을 획득하는 단계;획득된 스타일 임베딩을 상기 잠재 표현에 결합하는 단계; 및디코더를 통해, 결합된 잠재 표현에 대한 출력 텍스트를 획득하는 단계를 포함하는,텍스트 스타일 변환 방법
|
| 2 |
2
제1항에 있어서, 상기 잠재 표현을 획득하는 단계는,상기 입력 텍스트를 상기 인코더로 입력하는 단계; 및상기 인코더의 신경망을 통해, 상기 입력 텍스트에 대응하는 상기 잠재 표현을 획득하는 단계를 포함하는,텍스트 스타일 변환 방법
|
| 3 |
3
제2항에 있어서, 상기 스타일 임베딩을 획득하는 단계는,상기 타겟 스타일에 대응하는 스타일 정보를 상기 스타일 임베딩 모델로 입력하는 단계; 및상기 스타일 임베딩 모델의 신경망을 통해, 상기 타겟 스타일에 대응하는 상기 스타일 임베딩을 획득하는 단계를 포함하는,텍스트 스타일 변환 방법
|
| 4 |
4
제3항에 있어서, 상기 출력 텍스트를 획득하는 단계는,상기 결합된 잠재 표현을 상기 디코더로 입력하는 단계; 및상기 디코더의 신경망을 통해, 상기 결합된 잠재 표현에 대응하는 상기 출력 텍스트를 획득하는 단계를 포함하고,상기 출력 텍스트는 상기 입력 텍스트를 상기 타겟 스타일에 따라 변환하여 재구성한 텍스트인텍스트 스타일 변환 방법
|
| 5 |
5
제1항에 있어서, 상기 잠재 표현 및 상기 스타일 임베딩은 벡터 형태를 갖고,상기 결합하는 단계는, 상기 잠재 표현 및 상기 스타일 임베딩의 벡터 합을 통해 상기 결합된 잠재 표현을 획득하는 단계를 포함하는,텍스트 스타일 변환 방법
|
| 6 |
6
제5항에 있어서, 상기 결합된 잠재 표현을 획득하는 단계는,상기 스타일 임베딩에 스타일 강도를 적용하는 단계; 및상기 스타일 강도가 적용된 상기 스타일 임베딩과 상기 잠재 표현의 벡터 합을 통해 상기 결합된 잠재 표현을 획득하는 단계를 포함하고,상기 출력 텍스트를 획득하는 단계는,상기 스타일 강도에 따라 변화하는 출력 텍스트를 획득하는,텍스트 스타일 변환 방법
|
| 7 |
7
입력 텍스트로부터 잠재 표현 벡터를 제공하는 신경망을 포함하는 인코더;타겟 스타일에 대응하는 스타일 임베딩 벡터를 제공하는 신경망을 포함하는 스타일 임베딩 모델; 및상기 잠재 표현 벡터와 상기 스타일 임베딩 벡터의 결합에 의해 제공되는 결합된 잠재 표현 벡터를 이용하여 출력 텍스트를 제공하는 신경망을 포함하는 디코더를 구현하도록 구성되는 적어도 하나의 컴퓨팅 장치를 포함하는,텍스트 스타일 변환 시스템
|
| 8 |
8
제7항에 있어서,상기 결합된 잠재 표현 벡터는,상기 잠재 표현 벡터와 상기 스타일 임베딩 벡터의 벡터 합에 의해 제공되는,텍스트 스타일 변환 시스템
|
| 9 |
9
제8항에 있어서,상기 적어도 하나의 컴퓨팅 장치 중 어느 하나는,상기 스타일 임베딩 벡터에 스타일 강도를 적용하고,상기 스타일 강도가 적용된 상기 스타일 임베딩 벡터와 상기 잠재 표현 벡터의 벡터 합을 통해 상기 결합된 잠재 표현을 제공하도록 구현되는,텍스트 스타일 변환 시스템
|
| 10 |
10
제9항에 있어서, 상기 디코더는,상기 스타일 강도에 따라 변화하는 출력 텍스트를 제공하는,텍스트 스타일 변환 시스템
|
| 11 |
11
제9항에 있어서, 상기 적어도 하나의 컴퓨팅 장치 중 어느 하나는,서로 다른 스타일 강도가 적용된 복수의 스타일 임베딩 벡터들을 제공하고,상기 디코더는, 상기 복수의 스타일 임베딩 벡터들과 상기 잠재 표현에 기초하여 복수의 출력 텍스트를 제공하고,상기 복수의 출력 텍스트 중 적어도 일부는 서로 다른,텍스트 스타일 변환 시스템
|
| 12 |
12
입력 텍스트로부터 스타일 변환된 출력 텍스트를 재구성하는 인코더와 디코더, 및 스타일 변환을 위한 스타일 임베딩 벡터를 제공하는 스타일 임베딩 모델을 포함하는 텍스트 스타일 변환 시스템의 학습 방법에 있어서,상기 출력 텍스트의 재구성 결과에 기초하여 상기 인코더와 상기 디코더의 학습을 제어하는 단계; 및스타일의 분류 결과에 기초하여 상기 스타일 임베딩 모델의 학습을 제어하는 단계를 포함하는,텍스트 스타일 변환 시스템의 학습 방법
|
| 13 |
13
제12항에 있어서, 상기 인코더와 상기 디코더의 학습을 제어하는 단계는,상기 출력 텍스트의 재구성 결과에 기초한 재구성 손실 함수에 따라, 상기 인코더에 포함된 신경망 및 상기 디코더에 포함된 신경망을 업데이트하는 단계를 포함하는,텍스트 스타일 변환 시스템의 학습 방법
|
| 14 |
14
제13항에 있어서, 상기 인코더와 상기 디코더의 학습을 제어하는 단계는,상기 인코더의 신경망이, 상기 입력 텍스트를 이용하여 잠재 표현 벡터를 제공하는 단계;상기 스타일 임베딩 모델의 신경망이, 상기 입력 텍스트의 스타일 정보를 이용하여 스타일 임베딩 벡터를 제공하는 단계;상기 잠재 표현 벡터와 상기 스타일 임베딩 벡터의 결합을 통해 결합된 잠재 표현 벡터를 획득하는 단계; 및상기 디코더의 신경망이, 상기 결합된 잠재 표현 벡터를 이용하여 상기 출력 텍스트를 재구성하는 단계를 더 포함하는,텍스트 스타일 변환 시스템의 학습 방법
|
| 15 |
15
제12항에 있어서, 상기 스타일 임베딩 모델의 학습을 제어하는 단계는,상기 인코더의 신경망이, 상기 입력 텍스트를 이용하여 잠재 표현 벡터를 제공하는 단계;설정된 스타일의 수에 대응하는 복수의 스타일 임베딩들 각각에 대해, 상기 잠재 표현과의 유사도를 산출하는 단계;산출된 유사도들에 기초하여 상기 입력 텍스트의 스타일을 분류하는 단계; 및분류 결과에 기초한 분류 손실 함수에 따라 상기 스타일 임베딩 모델의 신경망의 학습을 제어하는 단계를 포함하는,텍스트 스타일 변환 시스템의 학습 방법
|
