• Tensorflow r1.0.1
• Python 2.7
• CUDA 7.5+ (For GPU)

Apply Generative Adversarial Nets to generating sequences of discrete tokens.

The illustration of SeqGAN. Left: D is trained over the real data and the generated data by G. Right: G is trained by policy gradient where the final reward signal is provided by D and is passed back to the intermediate action value via Monte Carlo search.

The research paper SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient has been accepted at the Thirty-First AAAI Conference on Artificial Intelligence (AAAI-17).

（本家のレポジトリより引用）

$ python timeline.py

でNON STYLE 石田の「おはようございます。みなさんの」から始まるツイートを全て取ってこれます。

出力先はsave/raw_tweet.py

他のアカウントからツイートを持ってきたければ、24行目と48行目の"screen_name"を任意のアカウント名の@以下に変えて、

39〜41行目を削除して使ってください。

$ python datacleaner.py

save/raw_tweet.pyからURLを除去後、形態素解析をMeCabで行います。

出力先はsave/parsed_tweet.py

$ python sequence_gan.py