文本生成论文集

论文0

题目《Generating Text with Recurrent Neural Networks》
解决问题：（1）句子压缩（2）文本生成
要点：
（1）提出了新的rnn结构（MRNN）

论文1

题目《Generating Sequences With Recurrent Neural Networks
》
代码：https://sourceforge.net/projects/rnnl/

文本自动生成任务
网络结构：

特点：
（1）这个网络在输入节点和所有隐层节点、所有隐层节点和输出节点之间都有连接，这样做的好处是更加方便的训练deep network。
（2）隐层单元该网络采用了LSTM单元。
（3）采用char-level language modeling，缩小解空间
（4）在模型训练时，输入数据切成100个bype为单元的sequence，但是模型的隐状态每100个sequence才复位，也就是实际的训练序列长度为10000个byte，也就是训练了整个文本。

论文2

题目《Globally Coherent Text Generation with Neural Checklist Models》
特点：菜谱生成的例子，预先提供关键词

论文3

题目《Semantically Conditioned LSTM-based Natural Language Generation for Spoken Dialogue Systems》

论文4

题目《SENTENCE ORDERING USING RECURRENT NEURAL NETWORKS》
要点：句子通顺度排序

论文5

题目《Backward and Forward Language Modeling for Constrained Sentence Generation》
要点：词汇限定条件下的文本生成

论文6

题目《Generating Topical Poetry》
要点：特定主题下的诗歌生成

论文7

题目《A Planning based Framework for Essay Generation》
要点：特定主题下的文章生成，比较贴近需求，但是没有用rnn的方法，通顺度存疑
解决问题的框架：
（1）topic understanding
（2）sentence extraction
（3）sentence reordering

论文8

题目《Controllable Text Generation》
要点：难度大

论文9

题目：《Survey of the State of the Art in Natural Language Generation: Core tasks, applications and evaluation》
要点：综述

论文10

题目《Generating Text from Structured Data with Application to the Biography Domain》
要点：从concept到文章
数据集：https://github.com/rlebret/wikipedia-biography-dataset
解决问题的框架：
（1）table data转换成embedding
（2）只生成一句话百科，长度比较短

论文11

题目《Context-aware Natural Language Generation with Recurrent Neural Networks》
由机器生成评论
网络结构：


（1）Encoder采用全连接方式编码Context信息

论文12

题目《Generating sentences from a continuous space》

refs:

(1) http://machinelearningmastery.com/text-generation-lstm-recurrent-neural-networks-python-keras/
(2) 亚马逊评论数据集, http://jmcauley.ucsd.edu/data/amazon/links.html