每日论文 | 利用语义情感表示进行用户画像；用GAN修复损坏的医学图像；判别器的拒绝采样框架

1

Using Sentiment Representation Learning to Enhance Gender Classification for User Profiling

对用户画像是利用机器学习技术，预测用户的属性，例如人口分布、爱好、偏好选择等等。这是进行精准市场推广的重要手段。现有的方法主要研究网络行为、个人喜好、发布的文本来进行用户画像，经过我们的研究，我们发现女性用户比男性用户在网络上更活跃，情感更丰富。所以我们认为情感文本在分析用户时是很重要的一个方面。我们在论文中提出了SRL-MLP模型来区分用户性别。

地址：https://arxiv.org/abs/1810.06645

2

Adversarial Inpainting of Medical Image Modalities

很多因素可能让医学影像遭到破坏，例如金属植入物可能会扰动核磁共振扫描。在这篇论文中，我们提出用生成对抗网络修复医学影像，所以出的框架包含两个基于补丁的判别器网络，同时还有额外的风格和感知损失用于修复缺失信息。

地址：https://arxiv.org/abs/1810.06621

3

Discriminator Rejection Sampling

我们提出了一种拒绝采样框架，利用GAN中的判别器来大致纠正生成器中的分布错误。我们证明，在严格的假设之下，这回恢复数据分布。之后，我们检查了这些假设失效的条件，设计了一个实践算法，成为判别器舍选抽样（DRS），可以用于真实数据集上。最终，我们用DRS将Inception分数提高到76.08，将FID分数提高到13.75。

地址：https://arxiv.org/abs/1810.06758