Styledistance

🚀 StyleDistance 风格嵌入模型

StyleDistance 是一个 风格嵌入模型，旨在将具有相似写作风格的文本紧密嵌入，而将不同风格的文本嵌入得相距较远，且不受内容影响。该模型可用于文本的风格分析、聚类、作者身份识别与验证任务，以及自动风格迁移评估。

🚀 快速开始

本仓库包含在 StyleDistance: Stronger Content-Independent Style Embeddings with Synthetic Parallel Examples 中介绍的模型。

✨ 主要特性

StyleDistance 是一种风格嵌入模型，能够将具有相似写作风格的文本紧密嵌入，而将不同风格的文本嵌入得相距较远，不受内容的影响。该模型可用于文本的风格分析、聚类、作者身份识别和验证任务，以及自动风格迁移评估。

📦 安装指南

暂未提供安装步骤相关内容。

💻 使用示例

基础用法

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))

📚 详细文档

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.
  • 对比句子：
    • 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.
  • 对比句子：
    • 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?
  • 对比句子：
    • 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?

训练数据和变体

StyleDistance 在 SynthSTEL 上进行了对比训练，这是一个合成生成的数据集，包含 40 种风格特征在文本中使用的正例和反例。通过利用这个合成数据集，StyleDistance 比目前其他风格嵌入模型能够实现更强的内容独立性。这个特定的模型是使用合成数据集和 [一个利用 Reddit 上的作者身份数据集来训练风格嵌入的真实数据集](https://aclanthology.org/2022.repl4nlp - 1.26/) 组合训练的。如需仅使用合成数据训练的版本，请查看 StyleDistance 的另一个版本。

🔧 技术细节

暂未提供技术细节相关内容。

📄 许可证

本模型使用 MIT 许可证。

📖 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}, 
}

💰 资金支持说明

本研究部分由国家情报总监办公室（ODNI）、情报高级研究计划局（IARPA）通过 HIATUS 计划合同 #2022 - 22072200005 提供支持。本文所包含的观点和结论仅代表作者本人，不一定代表 ODNI、IARPA 或美国政府的官方政策，无论是明示还是暗示。美国政府有权为政府目的复制和分发重印本，无论其中的版权声明如何。