继上一次GAN应用于NLP的讨论的后续讨论

保留初心,砥砺前行

这是上一次GAN for NLP的讨论记录,需要的同学拿去享用:
记录一次与大神们的关于GAN应用于NLP的讨论

这次的讨论可能是因为题目不够大众,或者是做这方面的同学们太过羞涩,因此讨论的内容基本偏题,最后形成了大家自由讨论的局面。但是只要仔细观察,是可以看到其中是有着耀眼的闪光点的,至少对于我来说是这样的。

重申以下观点:
下边的讨论问题与解答有些是文不对题的,首先是因为按照发言顺序整理,难免有插话的存在;第二,因为在讨论中大家的关注点比较集中,很多问题的讨论最后都会归纳到几个矛盾点上;还有就是有些内容关注的人并不是很多,因此也没有讨论出什么结果。另外,下边的问题有主题人按照议程提出的,有的是在讨论过程中同学们提出的。

最后,以下记录不代表本人立场,也不代表正确的解答。只是讨论记录。

那,继续GAN

今天的主题是GAN4NLP~~~
A: 第一个话题是GAN for 对话系统
首先,我要问一下,这个话题的研究现状,有哪些方法?
(直接偏题)...
B: 大家有做对话评价的吗,gan能不能用在评价里面呢?
C: 对话评价感觉可以用gan做,嗯对话评价是其中一个子问题,能不能说下目前主流用什么方法做,是类似BLEU这些指标么?
D: 对,现在主要还是套用机器翻译的评价指标,居多
E: 那gan理论上应该可以学到一个更自然的评价指标
F: 生成式对话的评价,做的人好像不多
G: 问题是这样不好比较啊,不同的人训练的评价器/判别器不一样,得到的评分没法对比
H: 我没想明白怎么应用gan到评价里面
I: 或许可以这样:D判断对话是否“自然”,G生成对话,D的输出可以当做评价指标
J: D输出的概率值可以作为评价指标
K: 评价指标不能单从通顺来判断吧
L: 的确不能单靠通顺,还要看是否符合当前上下文
M: 不只是通顺吧,D学到最后应该具有判断上下文符合程度的能力
N: 但是最主要的问题是,凭什么用你训出来的 D 评价不用我的呢
O: nlp的世界中有一个跟imagenet一样令人信服的数据集,跑出一个类似inception network的模型,搞一个类似inception score的指标,除非这种情况不然的确很难统一
P: 对话系统,Adversarial Learning for Neural Dialogue Generation 之前搜到这篇比较符合, 读过的相关论文同学能共享下最近的paper吗(有一个同学回到了主题)
Q: 判断是否符合上下文,其实是一个conditional generation的问题,gan做conditional generation有一些套路
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值