生成式對抗網路在文本生成中的探索：基礎、前沿以及我們的最新結果

雷鋒公開課活動預告

活動信息

分享主題：生成式對抗網路在文本生成中的探索：基礎、前沿以及我們的最新結果

分享人：張偉楠，現於上海交通大學計算機系和約翰 · 霍普克羅夫特研究中心擔任助理教授，研究方向為機器學習及其在數據挖掘問題中的應用。他於 2011 年畢業於上海交通大學計算機系 ACM 班，於 2016 年獲得英國倫敦大學學院計算機系博士學位，研究成果在國際一流學術會議和期刊上發表 50 篇論文，其中 5 次以第一作者身份在 ACM 國際數據科學會議 KDD 上發表；2016 年獲得由微軟研究院評選的 「全球 SIGKDD Top 20 科研新星」 稱號；2017 年獲得 ACM 國際信息檢索會議 SIGIR 的最佳論文提名獎。他曾在 KDD-Cup 用戶個性化推薦大賽獲得全球季軍，在全球大數據實時競價展示廣告出價演算法大賽獲得最終冠軍。個人研究主頁：http://wnzhang.net/

時間： 9 月 28 日（星期四） 20:00

地點：AI 研習社微信群

本期提綱

生成式對抗網路（GANs）目前已經得到了廣泛研究者的關注並且在很多實際場景中得到應用。但是大多數研究工作仍然集中在例如圖片和語音的連續稠密數據上，而對例如文本這樣的序列離散數據的生成研究得較少。原因是對這類離散數據無法直接求導，導致原版的 GAN 模型無法工作。我們課題組在 2017 年 AAAI 提出 SeqGAN 框架來成功繞過這個問題，通過將文本生成器建模成一個強化學習策略並用 REINFORCE 梯度優化來學習這個生成器，SeqGAN 達到了文本生成效果的提升。基於 SeqGAN，我們課題組進一步研究了對抗過程中的信息泄露設置，發現判別器泄露的信息其實能很好地幫助生成器快速學習並最終達到更好的文本生成效果，這個新框架我們命名為 LeakGAN。本次活動我將介紹 GAN 的基礎知識點，然後介紹 SeqGAN 以及 LeakGAN，討論這些新框架和原始 GAN 的本質不同，並對今後的進一步研究做出展望。

觀看直播

新人福利

關注 AI 研習社（okweiwu），回復1領取

【超過 1000G 神經網路 / AI / 大數據，教程，論文】

對我們的分享會有什麼建議？

希望成為分享人嗎？

讓我們聽到你的聲音

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 唯物 的精彩文章: