ATM：对抗神经主题模型
人工智能
2019-08-22 v2
摘要
主题模型被广泛用于文本中的主题结构发现。但传统主题模型往往需要对特定任务设计专门的推断过程，且它们并非为生成词级语义表示而设计。为克服这些局限，我们提出一种基于生成对抗网络（GANs）的主题建模方法，称为对抗神经主题模型（ATM）。所提 ATM 以 Dirichlet 先验建模主题，并采用生成器网络捕捉潜在主题间的语义模式。同时，该生成器还能产生词级语义表示。为说明将 ATM 移植到主题建模以外任务的可行性，我们将 ATM 应用于开放域事件抽取。在两个公开语料上的实验结果表明，ATM 生成了更高一致性的主题，优于多个有竞争力的基线。此外，ATM 能够从新闻文章中提取有意义的事件。
引用
@article{arxiv.1811.00265,
title = {ATM:Adversarial-neural Topic Model},
author = {Rui Wang and Deyu Zhou and Yulan He},
journal= {arXiv preprint arXiv:1811.00265},
year = {2019}
}
备注
Published at the journal Information Processing & Management