Styledistance

🚀 StyleDistance 風格嵌入模型

StyleDistance 是一個 風格嵌入模型，旨在將具有相似寫作風格的文本緊密嵌入，而將不同風格的文本嵌入得相距較遠，且不受內容影響。該模型可用於文本的風格分析、聚類、作者身份識別與驗證任務，以及自動風格遷移評估。

🚀 快速開始

本倉庫包含在 StyleDistance: Stronger Content-Independent Style Embeddings with Synthetic Parallel Examples 中介紹的模型。

✨ 主要特性

StyleDistance 是一種風格嵌入模型，能夠將具有相似寫作風格的文本緊密嵌入，而將不同風格的文本嵌入得相距較遠，不受內容的影響。該模型可用於文本的風格分析、聚類、作者身份識別和驗證任務，以及自動風格遷移評估。

📦 安裝指南

暫未提供安裝步驟相關內容。

💻 使用示例

基礎用法

from sentence_transformers import SentenceTransformer
from sentence_transformers.util import cos_sim

model = SentenceTransformer('StyleDistance/styledistance') # Load model

input = model.encode("Did you hear about the Wales wing? He'll h8 2 withdraw due 2 injuries from future competitions.")
others = model.encode(["We're raising funds 2 improve our school's storage facilities and add new playground equipment!", "Did you hear about the Wales wing? He'll hate to withdraw due to injuries from future competitions."])
print(cos_sim(input, others))

📚 詳細文檔

模型信息

示例展示

• 示例 1
  • 源句子：Did you hear about the Wales wing? He'll h8 2 withdraw due 2 injuries from future competitions.
  • 對比句子：
    • We're raising funds 2 improve our school's storage facilities and add new playground equipment!
    • Did you hear about the Wales wing? He'll hate to withdraw due to injuries from future competitions.
• 示例 2
  • 源句子：You planned the DesignMeets Decades of Design event; you executed it perfectly.
  • 對比句子：
    • We'll find it hard to prove the thief didn't face a real threat!
    • You orchestrated the DesignMeets Decades of Design gathering; you actualized it flawlessly.
• 示例 3
  • 源句子：Did the William Barr maintain a commitment to allow Robert Mueller to finish the inquiry?
  • 對比句子：
    • Will the artist be compiling a music album, or will there be a different focus in the future?
    • Did William Barr maintain commitment to allow Robert Mueller to finish inquiry?

訓練數據和變體

StyleDistance 在 SynthSTEL 上進行了對比訓練，這是一個合成生成的數據集，包含 40 種風格特徵在文本中使用的正例和反例。通過利用這個合成數據集，StyleDistance 比目前其他風格嵌入模型能夠實現更強的內容獨立性。這個特定的模型是使用合成數據集和 [一個利用 Reddit 上的作者身份數據集來訓練風格嵌入的真實數據集](https://aclanthology.org/2022.repl4nlp - 1.26/) 組合訓練的。如需僅使用合成數據訓練的版本，請查看 StyleDistance 的另一個版本。

🔧 技術細節

暫未提供技術細節相關內容。

📄 許可證

本模型使用 MIT 許可證。

📖 引用

@misc{patel2025styledistancestrongercontentindependentstyle,
      title={StyleDistance: Stronger Content-Independent Style Embeddings with Synthetic Parallel Examples}, 
      author={Ajay Patel and Jiacheng Zhu and Justin Qiu and Zachary Horvitz and Marianna Apidianaki and Kathleen McKeown and Chris Callison-Burch},
      year={2025},
      eprint={2410.12757},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2410.12757}, 
}

💰 資金支持說明

本研究部分由國家情報總監辦公室（ODNI）、情報高級研究計劃局（IARPA）通過 HIATUS 計劃合同 #2022 - 22072200005 提供支持。本文所包含的觀點和結論僅代表作者本人，不一定代表 ODNI、IARPA 或美國政府的官方政策，無論是明示還是暗示。美國政府有權為政府目的複製和分發重印本，無論其中的版權聲明如何。