[DL輪読会]Adversarial Feature Matching for Text Generation

Adversarial Feature Matching for Text Generation 2017/7/7 DL輪読会 松尾研 曽根岡侑也 1

メタ情報 • 著者 - Yizhe Zhang, Zhe Gan, Kai Fan, Zhi Chen, Ricardo Henao, Lawrence Carin - NIPS2016 ✕ 3, ICML ✕ 2のデューク大学PhD • Accepted by ICML2017（arXiv on 12 Jun 2017） • NIPS2016 Workshopの進化版 2

概要 • 文書生成にGANを用いるTextGANを提案 - GeneratorはLSTM、DiscriminatorはCNN - FeatureMatchingと再構成の項を目的関数に追加し、 ModeCollapse・勾配消失問題を軽減 - Soft-argmax近似、Pre-training、soft-labeling等の 学習テクニック • SeqGANよりいい評価 & 現実的な文生成に成功 3

背景：自然言語生成 • 自然言語生成の系譜 - 文書から確率分布を評価し、その分布からサンプリング - RNNを用いたAutoEncoder [Cho et al.(2014)] - RNNベースのVAE [Bowman et al.(2016)] • RNNベースではうまくいかない - 潜在空間の一部しかカバーできていない - Exposure Bias：文後半に向けてズレが蓄積 4

背景：GAN • 本物らしく作るGenerator vs 偽物を見抜くDiscriminator - Dは最大化、Gは最小化するように最適化 - DはJSDを近似し、Gは近似されたJSDを最小化する方向に • GANの問題点 - ModeCollapsing：潜在変数から同じ結果を作る - Dが局所解に近づいた場合、勾配消失が起きる （EBGANのTVDも同様） 5

提案手法：TextGAN • GはLSTM、DとEはCNNを使用 • Feature Machingを採用 [Salimans et al. (2016)] 6

TextGANの目的関数 → Dは最大化する → Gは最小化する → GANと同じ → 潜在変数の再構成時の誤差 （λr, λmはハイパーパラメータ） 7

① TextGANの目的関数 ② ③ → Dは最大化する → Gは最小化する → GANと同じ → 潜在変数の再構成時の誤差 （λr, λmはハイパーパラメータ） ① ③ ② 8

Maximum Mean Discrepancy（MMD） • Gaussianカーネルで再生核ヒルベルト空間（RKHS）へ写像し、 平均の差を用いて一致度を測定 [Gretton et al (2012)] → 今回はGaussian 9

① TextGANの目的関数 ② ③ → Dは最大化する → Gは最小化する → GANと同じ → 潜在変数の再構成時の誤差 （λr, λmはハイパーパラメータ） ① 偽物を見抜く方向に ② 潜在変数を最大限保存する方向に ③ Generatorがあわせるのが難しい特徴量を見つける方向に 10

Discriminator/Encoder：CNN • 文を学習済みの埋め込み行列でk ✕ Tの行列に変換 • Windowサイズが異なるConvolutionのフィルタをかけ、フィル タ毎にMaxPooling(活性化関数はtanh) • DはMLPの後にSoftmaxで真偽を判定、EはMLPでzを復元 [Kim et al.(2014)] 11

Generator:LSTM • よくあるLSTM • yは生成された単語を埋め込みベクトルにしたもの • zは毎回渡す 12

データ効率①：Compressing Network • 課題 GaussianカーネルMMDでは特徴ベクトルfの次元に応じて、 ミニバッチのサイズを大きくする必要がある • Compressing Network - 特徴ベクトルfを圧縮するための全結合レイヤーを追加 - 変換後の次元数はデータ効率と表現力のトレードオフ 13

データ効率②：Gaussian covariance matching • カーネルトリックの代わりに下記を使う ： の共分散 ： の平均 14

学習テクニック①：Soft-argmax approximation • 離散変数を含むため、Gの学習での勾配評価は難しい • 下記の式で近似（Gumbel-Softmaxに近い？） 元の式 Soft-argmax近似 15

学習テクニック②：Pre-training • D/E（CNN） - Permutation training - テキストの2単語を入れ替えて偽の文を作り学習 - 単語追加・消去より難しいタスク • G（LSTM） - CNN-LSTM autoencoderを利用 [Gan et al. (2016)] 16

学習テクニック③：Soft-labeling • 1 or 0とするのが普通であるが、正解=0.7-1.2、偽=0-0.3か らランダムにサンプルする[Salimans et al (2016)] • 本論文では、最大0.99, 最低0.01としている 17

実験 • データ - BookCorpus(70m) + Arxiv(5m)から各50万文ずつ • 潜在変数zは900次元 • D/E（CNN） - Windowサイズは3,4,5で、各300個ずつのfilter - 活性化関数はSigmoid - D：900-200-2のMLPで真偽を判定z、出力層はSoftmax - E：900-900-900でzを再構成、出力層はtanh • LSTM：隠れ層500 18

実験 • その他 - Gを5回更新したらDを1回更新 - Gaussianカーネルのσ：20前後 - Optimizer：Adam（学習率：5 ✕ 10^-5） - ミニバッチ：256 - GのLossとBLEU （正解と生成の類似度）でValidation - 50 epoch (3days) 19

実験結果①：特徴ベクトルの分布 • 本物と偽物の2000文ずつの特徴ベクトル（900次元）の 平均と共分散をプロット 20

実験結果②：定量的比較 ※ SeqGANは金子さんの輪読参照（16/9/30） MM：Mean Matching, CM:Covariance Matching MMD-L：compressed to 200次元 21

実験結果③：生成文 • 文法に関してはDがうまく機能しており、約95%で偽物を識別 - 丸括弧やクォーテーションをあわせて生成している - 文法的には正しいが20語以上になると意味がおかしくなる 22

実験結果④：潜在特徴空間の軌道 • 文Aから文Bまで潜在変数を連続的に変更した際の変化 • AEより意味的にも文法的にも正しいが、大きな変化が起きる 23

まとめ • 文書生成にGANを用いるTextGANを提案 - GeneratorはLSTM、DiscriminatorはCNN - FeatureMatchingと再構成の項を目的関数に追加し、 ModeCollapse・勾配消失問題を軽減 - Soft-argmax近似、Pre-training、soft-labeling等の 学習テクニック • SeqGANよりいい評価 & 現実的な文生成に成功 24

Appendix 25

【参考】Jensen-Shannonダイバージェンス（JSD） • KLダイバージェンス：分布と分布の差異の大きさ • JSダイバージェンス：KLに対称性を付加 26

【参考】 MMDのPytorch実装 27

【参考】TextCNN実装 • https://github.com/dennybritz/cnn-text-classification-tf 28

• https://github.com/dennybritz/cnn-text-classification-tf

関連研究：Generative Moment Matching Networks(GMMNs) • GANのDをMMDで代替するアイデアで同じ • 自然言語で使えない（NNで使う場合近似する） - 計算量が重く次元数が大きいケースでは厳しい - 単語ベースの類似度のため、文構造を考慮しない （boy is swimming と a boy is swimming） 29

関連研究：その他 • Kernelized Stein Discrepancy(KSD) - MMDからKSDにするのはFuture Work • WGAN - JSDよりWassersteinのほうがよさそうだが、MMDを 使っているので勾配消失は軽減されている 30

【参考】BLEU 31

FutureWork • KSDの導入 • DropOut • 強化学習の戦略を用いてLSTMをアップデート • Conditional GAN • reverse-order LSTM 32

【参考】KSD 33