一隅

发表于 更新于 分类于 ， 本文字数： 3k 阅读时长 ≈ 5 分钟

题外话

今天是我的生日，希望能看到这篇博客的你天天开心。如果今天还恰好是你的生日，希望你生日快乐！

简介

EA-VQ-VAE 是微软团队于 2020 年发表的《Evidence-Aware Inferential Text Generation with Vector Quantised Variational AutoEncoder》中提出的模型，该文发表在 ACL 上。该文的主要工作是利用 VQ-VAE 进行推理文本生成。推理文本生成定义为，给定一个事件（例如 “A 偷看了 B 的日记”），从多个维度对该事件进行推断（“A 的心理状态”，“A 的目的”）。而 EA-VQ-VAE 中的 EA（Evidence-Aware）指的是利用证据来进行推理文本生成。

阅读全文 »

发表于 更新于 分类于 ， 本文字数： 2.7k 阅读时长 ≈ 5 分钟

简介

VQ-VAE（Vector Quantised - Variational AutoEncoder，量子变分自编码器）出自 2017 年 Google 团队的论文 Neural Discrete Representation Learning。顾名思义，VQ-VAE 是 VAE（ Variational AutoEncoder，变分自编码器）的变种。主要是为了解决 VAE 所存在的” 后验坍塌 “问题。VQ-VAE 与 VAE 的主要区别在于：

  • 隐变量是离散的，而非连续的
  • 先验分布是学习得来的，而非固定不变的
阅读全文 »
0%