文本风格转换是一项可控的自然语言生成研究任务,它旨在改变文本的风格属性的同时尽可能保留原文的内容,是人工智能领域的重要问题,反映了计算系统的智能能力。随着人们对自然语言生成系统的需求不断增加,研究控制生成文本的各种属性具有广泛的应用前景,如情感转换、新闻改写、对话情绪生成等。随着智能对话、智能助手等人工智能领域的蓬勃发展,未来对可控的文本生成技术的需求将愈加强烈。因此,研究文本风格转换技术具有重要的现实意义。论文通过对国内外研究现状和研究方法分析发现,多数文本风格转换方法将文本映射为风格无关的隐含向量,然后解码成具有目标风格的新文本。这些方法难以引入外部数据或者加入人为监督信号,并且由于模型是端到端训练,转换的过程不可解释,人们无法了解句子改变的位置和原因。因此在本文中,我们针对上述问题提出了“基于掩码的风格生成方法”。首先,本文利用自注意力模型和风格词典的方法来分析每个句子中风格属性较强的部分,并提出一种混合策略对句子进行mask操作,得到的mask句子即为原始句子去风格化的表示。mask句子完整地保留了原句的格式,并且可以清晰地看到被mask的位置,使转换的过程更加易于理解和控制。其次,本文将风格转换问题视为文本生成任务,使用Transformer对mask句子进行再生成,通过加入目标风格信息的控制,使模型能够根据mask句子中的信息,生成具有目标风格的新语句。本文对所提出的风格转换模型进行了测试,在两个正负向的评论数据集上进行评论积极/消极的风格转换实验并评估。实验结果表明本文模型的综合效果略优于当前几个经典的方法,并且中间结果---mask句子清晰地展示了转换的过程,反映了该方法对于句子中风格信息较强的捕捉能力以及对句子格式较好的保留能力。在此方法的基础上,本文对文本风格转换系统进行了设计与实现。文本风格转换系统主要包括Masker模型、模型训练模块、数据采集模块、数据处理模块以及风格转换模块。对模块的主要功能以及流程做了详细的介绍。最后通过对文本风格转换系统的在线/离线测试,证明了系统功能有效性以及稳定性。结果显示,本系统可以对文本进行有效的风格转换,可以帮助用户修改文本的风格。