【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
