原始的GAN为什么处理离散数据效果很差？

源问题是为什么GAN用在NLP领域的paper不多？

以下是goodfellow的回答，链接（似乎需要）：

https://www.reddit.com/r/MachineLearning/comments/40ldq6/generative_adversarial_networks_for_text/

总结：

GAN的设计要求生成器的输出是一个连续空间，否则D到G(z)的梯度无法指导G修正的方向。

由于这种限制，GAN虽然在图像生成应用中获得了巨大的成功，却很少用于离散空间的文本生成

 

但也不是说完全不能做离散数据的生成，seqGAN和textGAN等就是想解决离散数据的生成问题。