Генеративно-дискриминативная нейросетевая модель для задачи авторского профилирования
https://doi.org/10.1134/S2304487X19060129
Аннотация
Об авторах
А. Г. Сбоев
Национальный исследовательский центр “Курчатовский институт”; Национальный исследовательский ядерный университет “МИФИ”
Россия
Россия
123098
115409
Москва
Р. Б. Рыбка
Национальный исследовательский центр “Курчатовский институт”
Россия
Россия
123098
Москва
А. В. Грязнов
Национальный исследовательский центр “Курчатовский институт”
Россия
Россия
123098
Москва
И. А. Молошников
Национальный исследовательский центр “Курчатовский институт”
Россия
Россия
123098
Москва
Список литературы
1. Guo J. et al. Long text generation via adversarial training with leaked information // Thirty-Second AAAI Conference on Artificial Intelligence. 2018.
2. Nie W., Narodytska N., Patel A. RelGAN: Relational generative adversarial networks for text generation. 2018.
3. Radford A. et al. Language models are unsupervised multitask learners // OpenAI Blog. 2019. Vol. 1. № 8.
4. Bao J. et al. CVAE-GAN: fine-grained image generation through asymmetric training // Proceedings of the IEEE International Conference on Computer Vision. 2017. С. 2745–2754.
5. Xu W. et al. Variational autoencoder for semi-supervised text classification // Thirty-First AAAI Conference on Artificial Intelligence. 2017.
6. Semeniuta S., Severyn A., Barth E. A hybrid convolutional variational autoencoder for text generation // arXiv preprint arXiv:1702.02390. 2017.
7. Shen D. et al. Hierarchically-Structured Variational Autoencoders for Long Text Generation. 2018.
8. Chung J. et al. Empirical evaluation of gated recurrent neural networks on sequence modeling // arXiv preprint arXiv:1412.3555. 2014.
9. Chollet F. et al. Keras. 2015.
10. Abadi M. et al. Tensorflow: Large-scale machine learning on heterogeneous distributed systems // arXiv preprint arXiv:1603.04467. 2016.
11. Arjovsky M., Shah A., Bengio Y. Unitary evolution recurrent neural networks // International Conference on Machine Learning. 2016. P. 1120–1128.
12. Kingma D. P., Ba J. Adam: A method for stochastic optimization // arXiv preprint arXiv:1412.6980. 2014.
13. Litvinova T. A., Sboev A. G., Panicheva P. V. Profiling the Age of Russian Bloggers // Conference on Artificial Intelligence and Natural Language. Springer, Cham, 2018. P. 167–177.
14. Straka M., Hajic J., Straková J. UDPipe: trainable pipeline for processing CoNLL-U files performing tokenization, morphological analysis, pos tagging and parsing // Proceedings of the tenth international conference on language resources and evaluation (LREC 2016). 2016. P. 4290–4297.
15. Tipping M. E., Bishop C. M. Probabilistic principal component analysis // Journal of the Royal Statistical Society: Series B (Statistical Methodology).
Рецензия
Для цитирования:
Сбоев А.Г., Рыбка Р.Б., Грязнов А.В., Молошников И.А. Генеративно-дискриминативная нейросетевая модель для задачи авторского профилирования. Вестник НИЯУ МИФИ. 2020;9(1):50-57. https://doi.org/10.1134/S2304487X19060129
For citation:
Sboev A.G., Rybka R.B., Gryaznov A.V., Moloshnikov I.A. Generative-Discriminative Neural Network Model for the Task of Author Profiling. Vestnik natsional'nogo issledovatel'skogo yadernogo universiteta "MIFI". 2020;9(1):50-57. (In Russ.) https://doi.org/10.1134/S2304487X19060129
Просмотров:
147
Послать статью по эл. почте 