文件名称：Generative-adversarial-Nets-in-NLP:基于注意力的奖励条件SeqGAN（AR-CSGAN）的实现
文件大小：15.76MB
文件格式：ZIP
更新时间：2024-05-18 23:00:35
Python
细数生成对抗网络和自然语言处理的那些恩怨情仇 文本生成的基础模型（Introduction） 在众多NLP的task中，文本生成(Text Generation) 是一种结合了机器学习和自然语言处理等技术层面而衍生出来的应用。他的诞生在一定程度上诠释了当今这些技术的发展水平。例如前不久出现在网络上的Drumpf推文产生器。 文本生成分类 文本生成的应用大体上可以分为以下几类： 机器翻译（machine translation） 问答系统（Question-Answering System） 对话生成（dialogue generation） 核心模型介绍 使用在文本生成的模型不唯一，比较常用的是循环神经网络（RNN），使用的Cell包括了LSTM，GRU等。作为序列生成模型的核心框架，encode-decode framework开始出现在人们的视线范围之内，并在短时间内成为了广为人知的核