无需强化学习的对抗性文本生成

生成对抗网络（GANs）近期人气激增，在包括计算机视觉在内的多种任务中表现具竞争力。然而，GAN 训练在自然语言处理中成功有限，这主要因为文本序列是离散的，梯度无法从判别器传播至生成器。近期解决方案使用强化学习将近似梯度传播给生成器，但训练效率低。我们提出利用自编码器学习句子的低维表示，随后训练 GAN 在该空间中生成自有向量，并解码为逼真语句。我们给出了生成器的随机与插值样本。句子向量可视化表明我们的模型正确学习了自编码器的潜空间。人工评分与 BLEU 分数均显示，我们的模型能生成媲美竞争基线的逼真文本。