OptiGAN：用于目标优化序列生成的生成对抗网络
机器学习
2021-01-15 v9 机器学习
摘要
序列生成任务中的一个挑战性问题是如何优化生成具有特定期望目标的序列。当前的序列生成模型主要生成与训练数据高度相似的序列，而未对任务特定的期望目标或属性进行直接优化。我们提出 OptiGAN，一种结合生成对抗网络（GAN）与强化学习（RL）的生成模型，利用策略梯度优化期望目标分数。我们将该模型应用于文本与实值序列生成，其能够在实现更高期望分数、超越 GAN 与 RL 基线方法的同时，不牺牲输出样本的多样性。
引用
@article{arxiv.2004.07534,
title = {OptiGAN: Generative Adversarial Networks for Goal Optimized Sequence Generation},
author = {Mahmoud Hossam and Trung Le and Viet Huynh and Michael Papasimeon and Dinh Phung},
journal= {arXiv preprint arXiv:2004.07534},
year = {2021}
}
备注
Preprint for accepted conference paper at International Joint Conference on Neural Networks (IJCNN) 2020