主持人：明鉷
参会老师：杨矫云
参会学生：韩朋，景波，江思源，刘杰，唐晨，滕越
本次例会主要学习讨论了文章
Yan Li and Jieping Ye. 2018. Learning Adversarial Networks for Semi-Supervised Text Classification via Policy Gradient. In KDD ’18: The 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining.
研究背景：
现在数据量愈来愈多，但大多数据都是无标签的，监督学习要获得带标签数据集往往很难成本也高，而无监督学习用到的无标签数据集往往很容易获取
半监督学习根据一部分带标签的数据来推测无标签数据的标签。近些年来，半监督学习算法也被逐渐开发出来
生成式对抗网络(generative adversarial networks, GAN)就是其一，生成模型和判别模型互相对弈，在图像等连续数据领域取得了不错的成绩，但在非连续数据比如文本分类中表现不好
为了克服这个问题，一些学者提出了差异对抗网络(discriminative adversarial networks, DAN)，自我训练(self-training)等方法。但是这些主流方法也存在着不足，比如GAN-based半监督模型要假设数据分布、准确率不高等缺点。
问题与假设：
问题：有没有一种方案能集思广益，综合这些模型的有点避免短板还 能稍微提高分类准确率呢
假设：使用RLANS模型
RLANS: Reinforcement Learning based Adversarial Networks for Semi-supervised learning
方法：
使用类似于生成式对抗网络，其中网络中有预测模型和判别模型。预测模型会对数据集做出分类并使用策略梯度法优化参数，判别模型会根据数据集使用最小交叉熵优化方法优化参数。而本文将使用LSTM网络作为预测模型和判别模型。下面进行具体介绍。
要想使得网络对数据集的预测效果最好，就要使：
取得最大值，其中x为数据样本，y为预测模型对于x的预测值，p(y|x)为预测模型对x做出分类在y类的概率，V(y,x)为这个概率的可信度，可信度定义为：
j(x, y)即为判别模型对样本x的预测结果y与真实样本标签的差异。
预测模型使用的LSTM网络有一层隐藏层，激活函数为ReLu，一层输出层，用softmax函数去确定样本x与预测结果y的概率分布。使用策略梯度反向传播误差，优化网络参数。
判别模型也是使用LSTM网络，有两个隐藏层，第一层同样用ReLu，第二层为sigmoid层，用来判断预测结果的可信度。使用最小化交叉熵反向传播误差，优化网络参数。
实验开始时，先用标签数据集预训练预测模型，再用预测模型预测无标签数据集标签，最后用整个数据集预训练判别模型。
实验：
实验采用四个新闻数据集，它们具体信息为：
实验结果为：
结果分析：
RLANS可以有效处理离散数据，准确率相比现阶段方法有着提升。RLANS模型比较依赖预训练，但结果也是令人满意的。