GAN 是文本生成的好(更好?)解决方案吗?

Is GAN a good (better ?) solution for text generation?

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进展的项目和论文,但我没有发现任何关于文本生成的东西,没有任何东西可以将它带到生成文本的状态有一个意义,从长远来看。

然后我在 Github 上看到了一些用于文本生成的 GAN 项目。如果我们正在寻找长文本的一般含义,GAN 是一种编写文本生成器的好方法(更好吗?)?

Text Genration 是一个开放的研究课题,已经存在了很长时间。相比之下,GAN 的研究还处于起步阶段,许多问题困扰着该主题,例如模式崩溃、梯度消失和训练的普遍困难。目前还没有证明 gan 问题的解决方案是否存在,甚至是否可取。

尽管如此,GAN 已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?您想提高文本生成的最新水平吗?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。