《表7 Gigaword新闻数据集生成示例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《加入目标指导的强化对抗文本生成方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

综合表4、5实验指标相似度判定结果可以看出，在两个数据集上，Gumble GAN优于MLE，Seq GAN优于Gumble GAN，而本文提出的通过加入目标指导的强化对抗文本生成模型在各组结果中性能均优于Seq GAN，在四种模型中性能最优。表6、7分别给出了各种模型在图像描述数据集和新闻数据集上生成的一些真实文本。可以看出，本模型通过对句子内部复杂语义进行建模从结构上指导文本生成，生成的文本更接近人类语言的文本，在真实性上相较于其他模型性能得到了提升。