PaperWeekly 第二十四期 --- GAN for NLP
“深度解读：GAN模型及其在2016年度的进展”［1］一文对过去一年GAN的进展做了详细介绍，十分推荐学习GAN的新手们读读。这篇文章主要介绍GAN在NLP里的应用（可以算是论文解读或者论文笔记），并未涉及GAN的基本知识 （没有GAN基础知识的小伙伴推荐先看[1]，由于本人比较懒，就不在这里赘述GAN的基本知识了J）。由于很长时间没有写中文文章了，请各位对文章中不准确的地方多多包涵、指教。 虽然GAN在图像生成上取得了很好的成绩，GAN并没有在自然语言处理（NLP）任务中取得让人惊喜的成果。 其原因大概可以总结为如下几点： 原始GAN主要应用实数空间（连续型数据）上，在生成离散数据（texts）这个问题上并不work。GAN 理论的提出者Ian Goodfellow 博士这样回答来这个问题问题：“GANs 目前并没有应用到自然语言处理（NLP）中，最初的 GANs 仅仅定义在实数领域，GANs 通过训练出的生成器来产生合成数据，然后在合成数据上运行判别器，判别器的输出梯度将会告诉你，如何通过略微改变合成数据而使其更加现实。一般来说只有在数据连续的情况下，你才可以略微改变合成的数据，而...
