重点实验室系列学术报告：上海交通大学张伟楠

报告题目：生成式对抗网络在文本生成中的探索：基础和前沿

时间：2017年11月02日（周四）下午14:00

地点：计算所948会议室

报告人：张伟楠 ，上海交通大学

摘要： 生成式对抗网络（GANs）目前已经得到了广泛研究者的关注并且在很多实际场景中得到应用。但是大多数研究工作仍然集中在例如图片和语音的连续稠密数据上，而对例如文本这样的序列离散数据的生成研究得较少。原因是对这类离散数据无法直接求导，导致原版的GAN模型无法工作。我们课题组在2017 年AAAI提出SeqGAN框架来成功绕过这个问题，通过将文本生成器建模成一个强化学习策略并用REINFORCE梯度优化来学习这个生成器，SeqGAN达到了文本生成效果的提升。基于SeqGAN，我们课题组进一步研究了对抗过程中的信息泄露设置，发现判别器泄露的信息其实能很好地帮助 生成器快速学习并最终达到更好的文本生成效果，这个新框架我们命名为LeakGAN。本次活动我将介绍GAN的基础知识点，然后介绍SeqGAN以及LeakGAN，讨论这些新框架和原始GAN的本质不同，并对今后的进一步研究做出展望。

 

报告人简介：

张伟楠现于上海交通大学计算机系和约翰·霍普克罗夫特研究中心担任助理教授，研究方向为机器学习及其在数据挖掘问题中的应用。他于2011年毕业于上海交通大学计算机系ACM班，于2016年获得英国伦敦大学学院计算机系博士学位，研究成果在国际一流学术会议和期刊上发表50篇论文，其中5次以第一作者身份在ACM国际数据科学会议KDD上发表；2016年获得由微软研究院评选的“全球SIGKDD Top 20科研新星”称号；2017年获得ACM国际信息检索会议SIGIR的最佳论文提名奖。他曾在KDD-Cup用户个性化推荐大赛获得全球季军，在全球大数据实时竞价展示广告出价算法大赛获得最终冠军。