面具

MaskGAN:通过填充“uuuu”可以更好地生成文本。神经文本生成模型通常是自回归语言模型或seq2seq模型。这些模型通过按顺序抽样单词来生成文本,每个单词都以前一个单词为条件,并且是几种机器翻译和摘要基准的最新技术。这些基准通常是由验证复杂性定义的,即使这不是生成文本质量的直接度量。此外,这些模型通常通过最大似然法和教师强制进行训练。由于这些文本生成方法在优化文本质量时可能从未被观察到过,但这些方法在优化文本质量时可能从未被观察到。我们提出使用产生式对抗网路(Generative atteriral Networks,GANs)来改善样本质量,明确训练产生器以产生高质量的样本,并在影像产生上取得了成功。GANs最初被设计为输出可微值,因此离散语言生成对它们来说是一个挑战。我们声称,验证困惑本身并不能说明模型生成的文本的质量。我们引入了一个演员-评论家条件GAN,它根据周围的环境来填充缺失的文本。我们从定性和定量两方面证明,与最大似然训练模型相比,这种方法能产生更真实的条件和无条件文本样本。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换