最新最全论文合集——字符级文本对抗攻击

AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。

必读论文：https://www.aminer.cn/topic

论文集地址：https://www.aminer.cn/topic/60937e2a92c7f9be217f5b94

自然语言处理方面的研究在近几年取得了惊人的进步，深度神经网络模型已经取代了许多传统的方法。但是，当前提出的许多自然语言处理模型并不能够反映文本的多样特征。因此，许多研究者认为应该开辟新的研究方法，特别是利用近几年较为流行的对抗样本生成和防御的相关研究方法。使用对抗样本生成和防御的自然语言处理研究可以基本概括为以下三种：1. 用未察觉的扰动迷惑模型，并评价模型在这种情况下的表现；2. 有意的改变深度神经网络的输出；3. 检测深度神经网络是否过于敏感或过于稳定，并寻找防御攻击的方法。网络表征学习（又叫做图嵌入学习）作为解决数据关系异构性的有效方法成为了近年来很重要的研究问题，并且已经在网络边预测、网络节点分析、网络可视化、自然语言处理等方面广泛应用。本文论文集包含字符级攻击相关论文。

该论文集共收录10篇论文，引用最多的论文为HotFlip: White-Box Adversarial Examples for Text Classification，引用数为232。

AMiner，AI赋能的学术搜索平台：https://www.aminer.cn

#AMiner# #论文#

标签：www,自然语言,aminer,cn,最全,论文,https,文本,合集
来源： https://blog.csdn.net/AI_Conf/article/details/116706574