Formality Style Transfer in Persian

本研究探讨了波斯语的正式语体转换，这在数字平台上非正式语言越来越普遍的情况下尤为重要，这给现有的自然语言处理工具带来了挑战。研究旨在将非正式文本转化为正式文本，同时保留原始意思，解决词汇和句法差异的问题。我们介绍了一种新型模型Fa-BERT2BERT，基于Fa-BERT架构，包括一致性学习和基于梯度的动态加权。这种方法提高了模型对句法变化的理解，有效平衡了训练期间的损失组件。我们对Fa-BERT2BERT与现有方法的评估采用了新的度量标准，旨在准确衡量句法和文体变化。结果表明，我们的模型在各种指标上的表现优于传统技术，包括BLEU、BERT分数、Rouge-l和提出的度量标准，突显了其在波斯语言风格转换方面的能力。本研究通过提高自然语言处理模型的准确性和功能性，显著促进了波斯语处理的发展，从而支持了更有效和可靠的自然语言处理应用程序的开发，能够有效地处理语言风格转换，简化内容审核，增强数据挖掘结果，促进跨文化交流。

研究如何将波斯语中的非正式文本转换为正式文本，以应对数字平台上非正式语言的普及所带来的挑战，同时保留原始含义。

提出了一种新的模型Fa-BERT2BERT，基于Fa-BERT架构，结合一致性学习和基于梯度的动态加权，有效地平衡了训练期间的损失组件，从而提高了模型对句法变化的理解能力。

使用新的度量标准对Fa-BERT2BERT模型进行了评估，包括BLEU、BERT分数、Rouge-l和提出的度量标准，结果表明该模型在各种指标上优于传统技术。该研究为波斯语处理做出了重大贡献，增强了自然语言处理模型的准确性和功能，并支持开发更高效、可靠的NLP应用程序，从而简化内容管理、增强数据挖掘结果和促进跨文化交流。

最近的相关研究包括：1.《基于神经机器翻译的波斯语非正式到正式语言风格转换》；2.《使用神经网络进行波斯语非正式到正式语言风格转换》；3.《基于BERT的波斯语文本分类和非正式到正式语言风格转换》。