《SentiGAN: Generating Sentimental Texts via Mixture Adversarial Networks》论文笔记

自己的总结：

这篇文章主要是写了一个用多分类器和多个生成器生成带情感的文本的gan模型，结果最后的实验不是生成器的个数还是设为2，相当于并没有比之前的工作多了类型，另外和17年那篇icml的文章一样，这篇也是令训练数据文本小于15个单词，也是短文本生成，回头我在看看它的代码咋写的。

自己的笔记：

 

 

转自：https://www.itcodemonkey.com/article/6378.html

摘要

 

在自然语言生成领域，不同情感文本的生成受到越来越广泛的关注。近年来，生成对抗网（GAN）在文本生成中取得了成功的应用。然而，GAN 所产生的文本通常存在质量差、缺乏多样性和模式崩溃的问题。在本文中，我们提出了一个新的框架——SentiGAN，包含有多个生成器和一个多类别判别器，以解决上述问题。在我们的框架中，多个生成器同时训练，旨在无监督环境下产生不同情感标签的文本。我们提出了一个基于惩罚的目标函数，使每个生成器都能在特定情感标签下生成具有多样性的样本。此外，使用多个生成器和一个多类判别器可以使每个生成器专注于准确地生成自己的特定情感标签的例子。在四个数据集上的实验结果表明，我们的模型在情感准确度和生成文本的质量方面始终优于几种最先进的文