使用生成对抗网络高效生成用户指定主题的文本
计算与语言
2020-06-23 v1
摘要
本研究聚焦于使用生成对抗网络 (GAN) 进行高效的文本生成。假设目标是生成具有用户指定主题和情感倾向的段落，传统上每次用户更改主题时都必须重新训练整个网络才能获得新结果，这既耗时又不切实际。因此，我们提出了一种具有两级判别器的用户定义 GAN (UD-GAN) 来解决此问题。第一个判别器旨在引导生成器学习段落级信息和句子句法结构，它由多个 LSTM 构成。第二个判别器处理更高层的信息，例如用于文本生成的用户指定情感和主题。采用基于 TF-IDF 的余弦相似度和长度惩罚来确定主题的相关性。然后，如果修改了文本生成的主题或情感，则用生成器重新训练第二个判别器。进行了系统评估以比较所提方法与其他基于 GAN 的方法的性能。客观结果表明，所提方法能够比其他方法用更少的时间生成文本，且生成的文本与用户指定的主题和情感相关。我们将进一步研究将更详细的段落信息（如语义）纳入文本生成以增强结果的可能性。
引用
@article{arxiv.2006.12005,
title = {Efficient text generation of user-defined topic using generative adversarial networks},
author = {Chenhan Yuan and Yi-chin Huang and Cheng-Hung Tsai},
journal= {arXiv preprint arXiv:2006.12005},
year = {2020}
}
备注
Accepted by CC-NLG 2019 (Workshop on Computational Creativity in Natural Language Generation)