生成对抗网络（GANs）在图像生成和风格迁移任务中表现出色。在语言模型领域，诸如GLoVe和word2vec等词嵌入方法是目前应用神经网络模型处理文本数据的最先进方法。已有研究尝试将GANs与词嵌入结合用于文本生成。本研究提出了一种基于梯度惩罚函数和F值的Skip-Thought句子嵌入与GANs相结合的文本生成方法。该架构旨在通过建模作者所有作品中的句子级表达方式来再现生成文本中的写作风格。研究者在不同的嵌入设置下进行了广泛的实验，涉及条件文本生成和语言生成等多种任务。实验结果表明，该模型在BLEU-n、METEOR和ROUGE等多项自动化评估指标上优于基线文本生成网络。此外，通过人类评分进一步证明了该模型在实际任务中的广泛适用性和有效性。