GAN 是一个好的（更好的？）文本生成解决方案吗？ [关闭]答案

【问题标题】：Is GAN a good (better ?) solution for text generation? [closed]GAN 是一个好的（更好的？）文本生成解决方案吗？ [关闭]
【发布时间】：2017-08-15 14:26:57
【问题描述】：

自从 Karpathy 关于 RNN 的文章 (http://karpathy.github.io/2015/05/21/rnn-effectiveness/) 以来，我看到了一些关于自然语言处理新发展的项目和论文，但我没有发现任何关于文本生成的内容，也没有任何东西可以将其带到生成的文本有意义的状态，从长远来看。

然后我在 Github 上看到了一些 GAN 项目，用于文本生成。如果我们正在寻找长文本的一般含义，GAN 是一种很好的（更好的？）编码文本生成器的方法吗？

【问题讨论】：

您的问题纯粹基于深度学习机制，不适合 Stack Overflow。它还可以在迁移之前使用一些改进。
我不是深度学习专家，而是一些项目的用户，所以这是一个普遍的问题，它不等待纯粹的数学答案，只是关于如何和为什么的几行，没有更多.
请求代码仍然不适合 SO。请阅读what kind of topics can be asked here 和How to Ask。
我不是要代码...只是一般的谈话和意见。
哦，对不起，我一定误解了你的评论。尽管如此，我提到的链接仍然适用。请不要在 Stack Overflow 上发表演讲或发表意见，因为它会吸引低质量的答案。此外，正如从一开始就提到的，像这个这样的纯深度学习问题是题外话。考虑访问Cross Validated 和Data Science SE。

标签： deep-learning lstm rnn

【解决方案1】：

文本生成是一个开放的研究课题，并且由来已久。相比之下，GAN 的研究还处于起步阶段，有很多问题困扰着这个话题，比如模式崩溃、梯度消失和普遍难以训练。尚未证明存在 gan 问题的解决方案，甚至是否可取。

尽管如此，GAN 已被应用于文本生成并取得了可喜的结果 (http://proceedings.mlr.press/v70/hu17e/hu17e.pdf)，尽管不是最先进的结果。问题是你想做什么？您想推进文本生成的最新技术吗？那么 GAN 是您可以推进该领域的一个方向。如果您只想为自己的应用程序生成文本，我会采用更成熟的方法。

【讨论】：

我在艺术项目中使用这些工具，因此我们对结果持开放态度。在这个职位上，我很热心并且非常好奇，这就是为什么我在文本生成中询问 GAN，以获得一般观点和收集意见。