论文题目: Keyphrase Generation for Scientific Articles using GANs

论文摘要:

本文提出了一种基于条件生成对抗网络的关键词生成方法。在GAN模型中,基于标题和摘要生成一系列关键短语,一篇科学文章的标题。识别器学会区分机器生成的关键字和人工组织的关键字。我们在标准的基准数据集上评估了这种方法。我们的模型在生成抽象关键字方面达到了最先进的性能,并可与性能最好的提取技术相媲美。并且还演示了我们的方法生成更多不同的关键字并使这些实现公开可用。

成为VIP会员查看完整内容
22

相关内容

生成对抗网络(GAN)是Ian Goodfellow及其同事在2014年设计的一类机器学习框架。两个神经网络在游戏中相互竞争(从博弈论的角度讲,通常但并非总是以零和博弈的形式)。 在给定训练集的情况下,该技术将学习生成具有与训练集相同的统计数据的新数据。 例如,受过照片训练的GAN可以生成新照片,这些新照片至少对人类观察者而言表面上看起来真实,具有许多现实特征。 尽管GAN最初是作为一种形式的无监督学习模型提出的,但它也已被证明可用于半监督学习,完全监督学习和强化学习。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
必读!TOP10生成对抗网络GAN论文(附链接)
数据派THU
16+阅读 · 2019年3月24日
论文推荐 | 生成对抗网络GAN论文TOP 10
机器学习算法与Python学习
5+阅读 · 2019年3月20日
必读!生成对抗网络GAN论文TOP 10
全球人工智能
7+阅读 · 2019年3月19日
Paraphrase Generation with Deep Reinforcement Learning
VIP会员
相关资讯
必读!TOP10生成对抗网络GAN论文(附链接)
数据派THU
16+阅读 · 2019年3月24日
论文推荐 | 生成对抗网络GAN论文TOP 10
机器学习算法与Python学习
5+阅读 · 2019年3月20日
必读!生成对抗网络GAN论文TOP 10
全球人工智能
7+阅读 · 2019年3月19日
相关论文
微信扫码咨询专知VIP会员