使用GAN+RL来进行关键词生成

题目： Keyphrase Generation for Scientific Articles Using GANs (Student Abstract)
网址：https://www.aclweb.org/anthology/2020.emnlp-main.645.pdf
https://ojs.aaai.org//index.php/AAAI/article/view/7238
代码地址：https://github.com/avinsit123/keyphrase-gan
上面这两个网址的论文其实都是指的这篇文章，不过如果想要详细了解还是看emnlp那篇吧，毕竟篇幅较长，
前沿： 文章不长，分析也不是足够多，主要是在关键词生成领域第一个使用GAN来进行关键词生成的，文章中称主要贡献点应该在absent上面，也就是说GAN网络对于absent的关键词生成有较大帮助，但是对于present kp效果一般。

摘要：
使用条件GAN来进行关键词生成任务，GAN任务能够基于title和摘要去进行关键词生成，区别器能够区别机器生成和人为评定。

介绍： 作者其实是拿摘要生成领域的模型和关键词领域的模型做对比，然后去进行对比，哎，我当时怎么没想到呢？

模型介绍：
Generator
catSeq模型，使用encoder-decoder架构，其实编码器部分使用双向GRU，译码器部分使用单向GRU，其中应用copy机制，增加attention。
Discriminator
对原文本进行编码，然后对关键词进行编码，利用Luong的attention网络实现用关键词作为q得到的c，然后回得到一个concat向量
然后经过一个双向GRU，取最后状态向量进行做二分类任务。

GAN train
首先利用true sample 训练生成器，然后利用生成器生成的KP和true KP去一起训练Discriminator。
然后固定Discriminator的参数去利用策略策略梯度强化学习方式更新Generation的生成。

results: