用于信息检索的生成对抗网络：基础与进展

Weinan Zhang

用于信息检索的生成对抗网络：基础与进展

信息检索 2018-06-12 v1 机器学习

作者: Weinan Zhang

摘要

生成对抗网络（GANs）在深度学习与无监督学习的近期发展中得到了广泛研究。借助对抗训练机制，GAN能够训练生成模型，在判别模型（估计数据实例为真实或生成）的指导下拟合潜在的未知真实数据分布。该框架最初为拟合图像等连续数据分布而提出，因此不易直接应用于数据多为离散的信息检索场景，如ID、文本和图。本教程聚焦于讨论GAN技术及其在各类信息检索场景中离散数据拟合的变体。（i）介绍GAN框架的基础及其理论性质；（ii）仔细研究将GAN扩展至离散数据生成的 promising 解决方案；（iii）介绍IRGAN，即拟合单一ID数据分布的基础GAN框架及其在信息检索中的直接应用；（iv）进一步讨论序列离散数据生成任务（如文本生成）及相应的GAN解决方案；（v）介绍基于节点嵌入技术用GAN拟合图/网络数据的最新工作。同时，我们还介绍了IRGAN和Texygen等相关开源平台，以帮助受众开展信息检索中GAN的研究实验。最后，我们对本教程进行全面的总结，并展望GAN在信息检索中的进一步研究方向。

关键词

生成对抗网络信息检索离散数据 IRGAN 文本生成图嵌入无监督学习

引用

@article{arxiv.1806.03577,
  title  = {Generative Adversarial Nets for Information Retrieval: Fundamentals and Advances},
  author = {Weinan Zhang},
  journal= {arXiv preprint arXiv:1806.03577},
  year   = {2018}
}

备注

4 pages, SIGIR 2018 tutorial

用于信息检索的生成对抗网络：基础与进展

摘要

关键词

引用

备注

相关论文