基于带隐变量的生成对抗网络的文本生成
计算与语言
2018-11-08 v2
摘要
本文提出一种利用生成对抗网络（GAN）生成逼真文本的模型。我们未采用标准 GAN，而是将变分自编码器（VAE）与生成对抗网络结合。高层隐随机变量的使用有助于学习数据分布，并解决生成对抗网络总是生成相似数据的问题。我们提出 VGAN 模型，其生成模型由循环神经网络与 VAE 构成，判别模型为卷积神经网络。我们通过策略梯度训练该模型。我们将所提模型应用于文本生成任务，并与其它近期基于神经网络的模型（如循环神经网络语言模型与 SeqGAN）进行比较。我们通过计算负对数似然与 BLEU 分数评估模型性能。我们在三个基准数据集上开展实验，结果表明我们的模型优于其它已有模型。
引用
@article{arxiv.1712.00170,
title = {Text Generation Based on Generative Adversarial Nets with Latent Variable},
author = {Heng Wang and Zengchang Qin and Tao Wan},
journal= {arXiv preprint arXiv:1712.00170},
year = {2018}
}