典型文献
基于深度强化学习的文本生成研究综述
文献摘要：
文本生成任务需要对大量词汇或语句进行表征,且可将其建模为序列决策问题.鉴于深度强化学习(deep reinforcement learning,DRL)在表征及决策方面的优良性能,DRL在文本生成任务中发挥了重要的作用.基于深度强化学习的文本生成方法改变了以最大似然估计为目标的训练机制,有效解决了传统方法中存在的暴露偏差问题.此外,深度强化学习和生成对抗网络的结合进一步提高了文本生成质量,并已取得了显著的成果.本综述将系统阐述深度强化学习在文本生成任务中的应用,介绍经典模型及算法,分析模型特点,探讨未来深度强化学习与文本生成任务融合的前景和挑战.
文献关键词：
深度强化学习;自然语言生成;暴露偏差;生成对抗网络
中图分类号：
作者姓名：
赵婷婷;宋亚静;李贵喜;王嫄;陈亚瑞;任德华
作者机构：
天津科技大学人工智能学院,天津300457
文献出处：
引用格式：
[1]赵婷婷;宋亚静;李贵喜;王嫄;陈亚瑞;任德华-.基于深度强化学习的文本生成研究综述)[J].天津科技大学学报,2022(02):71-80
A类：
B类：
深度强化学习,文本生成,量词,语句,序列决策问题,deep,reinforcement,learning,DRL,优良性,生成方法,最大似然估计,训练机制,暴露偏差,生成对抗网络,模型特点,自然语言生成
AB值：
0.255987
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
