-
方法简介
论文的模型旨在学习两个高维分布之间的双向非线性投影。模型由三个部分组成:编码网络、生成网络和鉴别网络,如图2所示:
编码网络 E E E的输入是维度为 V V V的文档表示 d r → \overrightarrow{d_{r}} dr,输出是维度为 K K K的主题分布 θ r → \overrightarrow{\theta _{r}} θr, V V V和 K K K分别表示单词数和主题数。
生成网络 G G G的输入是从迪利克雷先验随机抽出的主题分布 θ f → \overrightarrow{\theta _{f}} θf,输出是维度为 V V V的伪单词分布 d f → \overrightarrow{d_{f}} df。
鉴别网络 D D D的输入是真实分布 P r → = [ θ r → ; d r → ] \overrightarrow{P _{r}}= \left [ \overrightarrow{\theta _{r}};\overrightarrow{d_{r}}\right ] Pr=[θr;dr]和伪分布 P f → = [ θ f → ; d f → ] \overrightarrow{P _{f}}= \left [ \overrightarrow{\theta _{f}};\overrightarrow{d_{f}}\right ] Pf=[θf;df],并对二者进行区分。鉴别网络的输出用来在对抗训练中学习
Neural Topic Modeling with Bidirectional Adversarial Training
最新推荐文章于 2024-04-26 09:52:09 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)