文生成最?
這個答案因人而異。但是既然你問這個問題，說明你對它本來就沒多少理解，所以我不建議你做，何況只有一年半。
據說這個一大難關就是無法間接評估生成句子的好壞且意思是否正確。
文本數據天然就高度離散，這導致與GAN的結合障礙要比圖像數據大的多。如果你真的對學術有很高追求，這不失為一個有意思的方向，但是想短期內快速出成果，恐怕不付出巨大努力是不行的。
最近GAN + NLG 的paper似乎挺多的 不過可以說幾乎沒有真的work的。。
我雖然不做nlp相關，但我一直都覺得nlp和cv比要難太多，gan現在在cv上很成功是因為cv有cnn這樣好的結構在，數據冗餘度也高。nlp研究的是語言，本來就濃縮過了，因此要訓個bert或xlnet就很難，做gan這種不太容易訓（不穩定）就更難了。
總之十分不推薦 nlp + gan 這個方向做短期的研究。當然說不定我說的都是錯的。建議先跑跑已有的開源的模型，受受打擊就能清楚一些。
同意蘇劍林大神的觀點，建議棄坑。
GAN做文本生成，是非常坑的，踩過坑並放棄的路過。
個人認為，單單從文章或項目產出角度來說：
- 方向比較難，不論你研究的時間的長短，它都很難有產出
- 你時間太短，沒有產出怕是要gg
慎重考慮呀
聽說效果不好，文本生成多是vae
nlp是GAN發展的一個很好的方向，但是難度極高，現階段的成果在長文本複雜文本的生成上依然沒有很好的結果。如果想要做深，這是個很好的方向，但是短期內應該是很難看到成果的。
歪個樓，請問用GAN生成波形圖or頻譜圖好做嗎
GAN和文本生成各自都是難點，何況你還合一起
推薦閱讀：
