MTA-LSTM:ijcai2018论文的代码和数据

MTA-LSTM 我们专注于文章生成，这是一项具有挑战性的任务，它会生成包含多个主题的段落级文本。 在理解不同主题和表达多样性方面的进展需要更强大的生成器以及更丰富的培训和评估资源。 为了解决这个问题，我们开发了一个多主题感知的长期短期记忆（MTA-LSTM）网络。 在此模型中，我们维护了一个新颖的多主题覆盖向量，该向量学习每个主题的权重并在解码过程中进行顺序更新。 之后，此向量被馈送到注意模型以指导生成器。 该存储库中的代码是用Python 2.7 / TensorFlow 1.4.0编写的。 而且，如果您使用其他版本的Python或TensorFlow，则应修改一些代码。 数据集 成分数据集： 智虎数据集： 用法 数据 在Data/ ，您需要准备两个文件TrainingData.txt和vec.txt （由word2vec训练的词嵌入），这些文件是从上述文本数据集创建的。 训练 在