SeqGAN学习笔记（二）

GAN应用在图像领域取得了巨大的成功，然而在离散序列生成领域尤其是NLP领域却遇到了困难，原因在于判别器的判断信号难以“传回”生成器。
首先，我们回顾一下在使用MLE训练生成器时：

如上图所示，每一个预测出的词都与真实值做对比计算loss，再加起来作为最终的loss，计算梯度，指导生成器的调参。然而，在GAN网络中，判别器只给出“真”和“假”也就是0和1，在这种情况下，判别器只能指导生成器略微（slightly change）的调参（目前这么理解，不知道是否正确）。这种情况对使用连续值表示的图像是可以的，然而文本都是离散值，slightly change很难影响Sampling的结果，例如：
生成器生成了一个token的vector：[0.1, 0.33, 0.57]，sample之后对应的one-hot vector是[0, 0, 1]，对应的词是“我”。然而生成器进行slightly change之后再生成的vector是：[0.11, 0.35, 0.54]，sample之后的结果仍然是[0, 0, 1]，对应的词是“我”。
以上情况就是将GAN应用在离散数据中的困境。
SeqGAN的作者在进行参考后，选择使用强化学习中的policy gradient来解决这个问题。policy gradient有大牛的文章解释的很清楚，可以搜索参考。