論文の概要: Feature-aware conditional GAN for category text generation
- arxiv url: http://arxiv.org/abs/2308.00939v1
- Date: Wed, 2 Aug 2023 04:43:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-03 14:01:15.670324
- Title: Feature-aware conditional GAN for category text generation
- Title（参考訳）: カテゴリーテキスト生成のための特徴認識条件付きGAN
- Authors: Xinze Li, Kezhi Mao, Fanfan Lin, Zijian Feng
- Abstract要約: カテゴリーテキスト生成は様々な自然言語処理タスクに有用である。
テキストGANには、離散性、トレーニング不安定性、モード崩壊、多様性の欠如、コントロール容易性など、いくつかの問題がある。
本稿では,制御可能なカテゴリテキスト生成のための新しいGANフレームワークであるFA-GANを提案する。
- 参考スコア（独自算出の注目度）: 6.609628372021442
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Category text generation receives considerable attentions since it is
beneficial for various natural language processing tasks. Recently, the
generative adversarial network (GAN) has attained promising performance in text
generation, attributed to its adversarial training process. However, there are
several issues in text GANs, including discreteness, training instability, mode
collapse, lack of diversity and controllability etc. To address these issues,
this paper proposes a novel GAN framework, the feature-aware conditional GAN
(FA-GAN), for controllable category text generation. In FA-GAN, the generator
has a sequence-to-sequence structure for improving sentence diversity, which
consists of three encoders including a special feature-aware encoder and a
category-aware encoder, and one relational-memory-core-based decoder with the
Gumbel SoftMax activation function. The discriminator has an additional
category classification head. To generate sentences with specified categories,
the multi-class classification loss is supplemented in the adversarial
training. Comprehensive experiments have been conducted, and the results show
that FA-GAN consistently outperforms 10 state-of-the-art text generation
approaches on 6 text classification datasets. The case study demonstrates that
the synthetic sentences generated by FA-GAN can match the required categories
and are aware of the features of conditioned sentences, with good readability,
fluency, and text authenticity.
- Abstract（参考訳）: カテゴリーテキスト生成は、様々な自然言語処理タスクに有益であるため、かなりの注目を集めている。
近年,GAN (Generative Adversarial Network) がテキスト生成において有望な性能を達成している。
しかし、テキストGANには、離散性、トレーニング不安定性、モード崩壊、多様性の欠如、コントロール容易性など、いくつかの問題がある。
これらの問題に対処するため,本論文では,カテゴリテキスト生成のための特徴認識型条件付きGAN(FA-GAN)という,新しいGANフレームワークを提案する。
FA-GANでは、特別な特徴認識エンコーダとカテゴリ認識エンコーダを含む3つのエンコーダと、Gumbel SoftMaxアクティベーション機能を備えたリレーショナルメモリコアベースのデコーダからなる、文の多様性を改善するシーケンス・ツー・シーケンス構造を有する。
判別器は、追加のカテゴリ分類ヘッドを有する。
特定のカテゴリの文を生成するために、逆行訓練において多クラス分類損失を補足する。
総合的な実験が行われ、FA-GANは6つのテキスト分類データセットにおける10の最先端テキスト生成手法より一貫して優れていた。
ケーススタディでは,FA-GAN が生成する合成文は,必要なカテゴリと一致し,条件付き文の特徴を認識し,可読性,流布性,文章の真正性を検証した。
関連論文リスト
- Class-Aware Contrastive Optimization for Imbalanced Text Classification [19.537124894139833]
クラス認識のコントラスト最適化とデノベーションオートエンコーダを組み合わせることで、不均衡なテキスト分類タスクにうまく取り組むことができることを示す。
提案手法は,多種多様なテキストデータセットにおける顕著な性能向上を示す。
論文 参考訳（メタデータ） (2024-10-29T16:34:08Z) - CatVRNN: Generating Category Texts via Multi-task Learning [0.36832029288386126]
カテゴリー対応変動リカレントニューラルネットワーク(CatVRNN)はマルチタスク学習にインスパイアされている。
本モデルでは、異なるカテゴリのテキストを生成することを目的として、生成と分類を同時に訓練する。
本稿では,GANに基づく最新テキスト生成手法よりも,生成したテキストのカテゴリ精度と品質を向上できることを示す。
論文 参考訳（メタデータ） (2021-07-12T06:42:37Z) - Guiding GANs: How to control non-conditional pre-trained GANs for
conditional image generation [69.10717733870575]
本稿では,汎用非条件GANを条件GANとして振る舞うための新しい方法を提案する。
提案手法は,非条件GANのジェネレータネットワークに供給される高次元ランダム入力を生成するために,エンコーダネットワークを混合するものである。
論文 参考訳（メタデータ） (2021-01-04T14:03:32Z) - Controllable Text Generation with Focused Variation [71.07811310799664]
Focused-Variation Network (FVN) は言語生成を制御する新しいモデルである。
FVNは、コードブック内の各属性に対する非結合なラテント空間を学習し、制御性と多様性の両方を可能にする。
我々は、注釈付きコンテンツとスタイルを持つ2つのテキスト生成データセット上でFVNを評価し、自動評価と人的評価により、最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2020-09-25T06:31:06Z) - Rank over Class: The Untapped Potential of Ranking in Natural Language
Processing [8.637110868126546]
我々は、現在分類を用いて対処されている多くのタスクが、実際には分類モールドに切り替わっていると論じる。
本稿では,一対のテキストシーケンスの表現を生成するトランスフォーマーネットワークからなる新しいエンドツーエンドランキング手法を提案する。
重く歪んだ感情分析データセットの実験では、ランキング結果を分類ラベルに変換すると、最先端のテキスト分類よりも約22%改善する。
論文 参考訳（メタデータ） (2020-09-10T22:18:57Z) - Efficient text generation of user-defined topic using generative
adversarial networks [0.32228025627337864]
本稿では,この問題を解決するために,2レベル判別器を用いたユーザ定義型GAN(UD-GAN)を提案する。
提案手法は,他の方法よりも少ない時間でテキストを生成することができる。
論文 参考訳（メタデータ） (2020-06-22T04:49:47Z) - Learning Interpretable and Discrete Representations with Adversarial
Training for Unsupervised Text Classification [87.28408260725138]
TIGANは、テキストを離散コードと連続ノイズを含む2つの非絡み合った表現にエンコードすることを学ぶ。
抽出したトピックの単語は,TIGANが一貫性と高度に解釈可能なトピックを学習していることを示している。
論文 参考訳（メタデータ） (2020-04-28T02:53:59Z) - Latent Embedding Feedback and Discriminative Features for Zero-Shot
Classification [139.44681304276]
ゼロショット学習は、トレーニング中にデータが利用できない、見えないカテゴリを分類することを目的としている。
Generative Adrial Networksは、クラス固有のセマンティック埋め込みを利用して、目に見えないクラス機能を合成する。
我々は,ゼロショット学習のすべての段階において,意味的一貫性を強制することを提案する。
論文 参考訳（メタデータ） (2020-03-17T17:34:16Z) - Inducing Optimal Attribute Representations for Conditional GANs [61.24506213440997]
条件付きGANは、あるカテゴリから別のカテゴリへの画像の変換に広く使用されている。
既存の条件付きGANは、ターゲットドメインラベル情報を0と1の形式でハードコードされたカテゴリベクトルとして符号化する。
本稿では,グラフ畳み込みネットワークを用いた新しいエンドツーエンド学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-13T20:24:07Z) - Self-Adversarial Learning with Comparative Discrimination for Text
Generation [111.18614166615968]
本稿では,テキスト生成におけるGANの性能向上のための,新たな自己逆学習(SAL)パラダイムを提案する。
トレーニング中、SALは、現在生成された文が以前生成されたサンプルより優れていると判断されたときにジェネレータに報酬を与える。
テキスト生成ベンチマークデータセットの実験により,提案手法は品質と多様性の両方を大幅に改善することが示された。
論文 参考訳（メタデータ） (2020-01-31T07:50:25Z) - Text Complexity Classification Based on Linguistic Information:
Application to Intelligent Tutoring of ESL [0.0]
本研究の目的は、英語を第二言語(ESL)学習者として教える文脈の中で、テキストの複雑さを識別できる分類器を構築することである。
ESLの専門家によって既に3つの難易度に分類されていた6171テキストのコーパスを用いて、5つの機械学習アルゴリズムを用いて異なる実験を行った。
その結果, 言語学的特徴は, 総合的な分類性能に優れていた。
論文 参考訳（メタデータ） (2020-01-07T02:42:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。