【NAACL-HLT2019】自然语言处理的深度对抗学习方法-附104页教程Slides

导读对抗性学习是一种博弈论学习范式，近年来在计算机视觉领域取得了巨大的成功。对抗性学习也是一个通用框架，它支持多种学习模型，包括流行的生成式对抗性网络(GANs)。由于语言的离散性，设计对抗性学习模型对NLP问题仍然具有挑战性。在本教程中，我们将简要介绍深入对抗性学习的基础，以及NLP中的一些实际问题公式和解决方案。我们描述了NLP深度对抗性学习的最新进展，特别关注生成、对抗性示例和规则以及对话。我们对研究领域进行了概述，对不同类型的对抗性学习模型进行了分类，并讨论了其优缺点，旨在为解决实际的NLP问题提供对抗性学习未来的一些实用视角。作者 | William Wang, Sameer Singh 编辑 | Xiaowen地址 | https://sites.cs.ucsb.edu/~william/papers/AdvN ………………………………