【导读】生成对抗网络(GAN)已经在深度学习和无监督学习中有广泛的应用。利用对抗训练机制,GAN的生成模型生成以适应潜在的未知实际数据分布,判别模型估计数据实例是真实的还是生成的。最初提出这样的框架用于拟合图像的连续数据分布,因此直接应用于数据大部分是离散的信息检索场景(例如ID,文本和图形)并不简单。
在本教程中,作者将重点讨论GAN技术以及各种信息检索场景中离散数据拟合的变体。 (i)介绍了GAN框架的基本原理及其理论属性; (ii)仔细研究了将GAN扩展到离散数据生成的有希望的解决方案; (iii)介绍了IRGAN,它是适合单一ID数据分发的基本GAN框架,也是信息检索的直接应用; (iv)我们进一步讨论顺序离散数据生成任务的任务,例如文本生成,以及相应的GAN解决方案; (v)介绍了最近关于图形/网络数据与GAN节点嵌入技术拟合的工作。同时,我们还介绍了相关的开源平台,如IRGAN和Texygen,以帮助受众进行GAN信息检索的研究实验。最后,对本教程进行了总结,并对GAN在信息检索方面的进一步研究方向展望。
目录:
GAN介绍 (第7页)
强化学习(第34页)
GAN应用于信息检索 (第63页)
GAN应用于文本生成 (第96页)
GAN应用于图/网络学习 (第141页)
GAN进阶:Cooperative training (第167页)
总结与展望 (第184页)
请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),
后台回复“IRGAN” 就可以获取人工智能最近12个月进展的报告 PPT下载~
链接:http://wnzhang.net/tutorials/sigir2018/index.html
附原文PPT:
联系客服