这篇博客讲解一下IJCAI2019的一篇关于text style transfer的论文：《A Dual Reinforcement Learning Framework for Unsupervised Text Style Transfer》。
BackGround
无监督文本风格转换任务指的是：在没有对齐语料的基础上，将文本从原来的style转换到目标的style，并且保持其content不发生改变。目前的主流的做法是：two-step，即：首先将content从原始的style中分离，然后再将content与目标的style进行融合。two-step的思想实践起来又可以分为两种思路：(implicit seperation)第一种是通过对抗训练得到style-independent context rep vector，然后再输入到style-dependent decoder中进行改写；(explicit seperation)第二种是直接移除一些style attribute word，然后寄那个句子输入到generation model中。但是这两种方法都有缺陷。第一种方法的缺陷在于：没有评价标准能够来知道separation的结果到底怎么养，这样的话，很有可能会导致content preservation很差，另一个就是可解释性也很差；第二种方法的缺陷在于：应用场景很有限，因为很多句子中并没有很显式的style attribute word。通过这样的一个分析，我们会有一个疑问：style与content的separation是必须的吗？所以这篇paper的核心思想就是：在不分离style与content的基础上，来做无监督文本风格转换。
Model
先放图～
这篇paper提出的dualRL模型
