本周为将门-TechBeat技术社区第257期线上Talk，也是字节跳动人工智能实验室系列Talk第⑤弹！

北京时间11月18日(周三)晚8点，字节跳动算法工程师—施文娴的Talk将准时在将门TechBeat技术社区开播！

她与大家分享的主题是: “DEM-VAE：一类新的可解释文本生成模型”。届时将会分享她及其团队提出的一种新模型，通过构建混合指数族分布的隐变量空间，实现可解释、可控的文本生成。 

Talk·信息

▼

主题：DEM-VAE，

一类新的可解释文本生成模型

嘉宾：字节跳动算法工程师 施文娴

时间：北京时间 11月18日 (周三) 20:00

地点：将门TechBeat技术社区

http://www.techbeat.net/

Talk·提纲

▼

目前，深度文本生成模型广受关注，也取得了很好的效果，但是一般的自回归生成模型的生成过程缺乏可解释性和可控性。变分自编码器能够将隐变量模型和深度生成模型结合，字节AI Lab算法工程师施文娴及其团队提出了一种新的可解释文本生成模型，通过构建混合指数族分布的隐变量空间，实现可解释、可控的文本生成。 

本次分享的主要内容如下：

1. 介绍可解释文本生成模型的相关工作。2. 介绍指数族混合分布变分自编码器（Exponential Family Mixture Variational Auto-encoders），以及其中的模式塌缩（mode-collapse）问题。3. 介绍一种解决模式塌缩问题的新算法：Dispersed Exponential Family Mixture VAEs，及其在可解释文本生成、对话生成上的应用。 

Talk·参考资料

▼

这是本次分享中将会提及的资料，建议提前预习哦！

1. Dispersed Exponential Family Mixture VAEs for Interpretable Text Generation

https://arxiv.org/abs/1906.06719

2. Variational Template Machine for Data-to-Text Generation

https://arxiv.org/abs/2002.01127

3. Generating Sentences from Disentangled Syntactic and Semantic Spaces 

https://www.aclweb.org/anthology/P19-1602.pdf 

Talk·提问交流

▼

方式 ①

在本文留言区直接提出你的问题，或扫描下方二维码提问！问题被选中的小伙伴们将获得一个红包奖励！

方式 ②

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，说不定就被讲者直接翻牌解答了呢！

你的每一次贡献，我们都会给予你相应的i豆积分，近期还会有惊喜奖励哦！

Talk·观看方式

▼

扫描下方二维码，或复制https://datayi.cn/w/rREqZD1R至浏览器完成预约！上线后会在第一时间收到通知哦~

嘉宾介绍

▼

施文娴，毕业于北京大学信息科学技术学院，主要研究方向是自然语言处理、深度文本生成模型，曾在NeurIPS, ICLR, ICML上发表论文。 

关于TechBeat社区       

▼     

TechBeat(www.techbeat.net)是一个荟聚全球华人AI精英的成长社区。我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！      

更多详细介绍>>https://mp.weixin.qq.com/s/pI_mbkFRHxRRSKJzQMyckg