这篇paper主要介绍了GAN在文本生成上的应用。GAN在2014年被提出之后，在图像生成领域取得了广泛的研究应用。然后在文本领域却一直没有很惊艳的效果。主要在于文本数据是离散数据，而GAN在应用于离散数据时存在以下几个问题：
- GAN的生成器梯度来源于判别器对于正负样本的判别。然而，对于文本生成问题，RNN输出的是一个概率序列，然后取argmax。这会导致生成器Loss不可导。还可以站在另一个角度理解，由于是argmax，所以参数更新一点点并不会改变argmax的结果，这也使得GAN不适合离散数据。
- GAN只能评估整个序列的loss，但是无法评估半句话，或者是当前生成单词对后续结果好坏的影响。
- 如果不加argmax，那么由于生成器生成的都是浮点数值，而ground truth都是one-hot encoding，那么判别器只要判别生成的结果是不是0/1序列组成的就可以了。这容易导致训练崩溃。
背景知识
什么是策略梯度下降？
对于监督学习算法，我们通常会使用梯度下降来进行优化。梯度下降算法计算损失函数的梯度需要首先计算标签与预测结果的loss。可是对于强化学习问题，根本不存在标签。我们只有通过不断的试错来实现优化。在强化学习中，每一个action都会有一个reward。整个算法就是需要最大化期望reward。对于最大化reward推导出来的公式，就是策略梯度下降算法。
什么是蒙特卡洛采样？
可以根据已知概率分布的函数产生服从此分布的样本X。具体原来可以查看30分钟了解蒙特卡洛采样。
SeqGAN原理
整个算法在GAN的框架下，结合强化学习来做文本生成。 模型示意图如下：
seqGAN模型
在文本生成任务，seqGAN相比较于普通GAN区别在以下几点：
- 生成器不取argmax。
- 每生成一个单词，则根据当前的词语序列进行蒙特卡洛采样生成完成的句子。然后将句子送入判别器计算reward。
- 根据得到的reward进行策略梯度下降优化模型。
