【AAAI2020论文】分类感知的生成式对抗网络，具有分类文本生成的层次进化学习 (附pdf)

论文摘要

生成多种类型的文本是一项具有挑战性的任务，越来越受到人们的关注。由于生成性对抗网（GANs）在一般文本生成上表现出了竞争性的结果，在以往的一些研究中，它们被扩展到了类别文本生成上。然而，复杂的模型结构和学习策略限制了它们的性能，加剧了训练的不稳定性。本文提出了一种类别感知GAN（CatGAN），它由一个有效的类别感知文本生成模型和一个层次进化学习算法组成。类别感知模型直接测量真实样本和每个类别上生成的样本之间的差距，减少这种差距将引导模型生成高质量的类别样本。Gumbel-Softmax松弛进一步使我们的模型从复杂的学习策略中解放出来，用于在离散数据上更新CatGAN。此外，只关注样本质量通常会导致模式崩溃问题，因此在训练CatGAN时引入了一种分层进化学习算法来稳定训练过程，并在质量和多样性之间取得平衡。实验结果表明，CasGaN优于现有的最先进的方法。

论文作者

Zhiyue Liu, Jiahai Wang,∗ Zhiwei Liang，中山大学数据与计算机学院。