自然语言的文本风格，可以是比风格更广泛的东西。文本风格迁移的应用，是可以比你想象中的应用更大。图像的风格转换，大家都很熟悉。
文本的风格转换（Text Style Transfer）可以有很多不同的面相。比如，我们可以把负面的句子转换为正面的句子。这个问题，如果我们有成对的数据，就可以直接端对端训练结束。但问题在，在文本风格迁移任务中，通常难以收集到成对的数据。我们不知道一个负面的句子应该对应到哪个正面的句子。所以我们很难直接用有监督学习去训练这个模型，而是要用无监督的方法，从未成对的文本数据中自动学习。
本资源整理了文本风格迁移相关的经典算法、论文，免费公开数据集，免费课程，以及相关的研究领域和应用场景。
资源整理自网络，源地址：https://github.com/zhijing-jin/Text_Style_Transfer_Survey
内容涉及多次跳转，点击文末“阅读原文“”查看资源详情。
目录
内容截图
