发表评论取消回复
相关阅读
相关 《CRAFT:Character Region Awareness for Text Detection》论文笔记
码地址(非官方,训练未开源):[CRAFT-pytorch][] 代码地址(官方):[CRAFT-Reimplementation][] 1. 概述 > 导读...
相关 【深度学习NLP论文笔记】《Interpretable Adversarial Perturbation in Input Embedding Space for Text》
![70][] Abstract 在CV领域,常常用对抗训练(adversarial training)来产生扰动并提高模型鲁棒性,但如果把这种方法直接应用在词嵌入空间
相关 【深度学习NLP论文笔记】《Towards Crafting Text Adversarial Samples》
![70][] Abstract 文本fool的方法:修改原始样本:删除或替换一些重要的单词,或引入新的单词。我们的算法最适用于在每个类的例子中有子类别的数据集。基于情
相关 【深度学习NLP论文笔记】《Deep Text Classification Can be Fooled》
![70][] Abstract 当前存在的加扰算法不能直接应用于文本上。三种对文本的加扰策略:插入(insertion)、修改(modification)、移除(
相关 【深度学习NLP论文笔记】《Visualizing and Understanding Neural Models in NLP》
![70][] 1 Introduction 神经网络对于NLP任务的可解释性很差。深度学习模型主要是基于word embedding词嵌入(比如low-dimensi
相关 【深度学习NLP论文笔记】《Adversarial Example For Natural Language Classification Problems》
一、介绍 ![70][] 图一:三个在文本分类任务中使用对抗样本的例子。分别是垃圾邮件分类、情感分析、虚假新闻检测。全是依靠同义词替换实现的。 二、背景 分类
相关 【深度学习NLP论文笔记】《Greedy Attack and Gumbel Attack: Generating Adversarial Example for Discrete Data》
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2
相关 SentiGAN: Generating Sentimental Texts via Mixture Adversarial Networks论文笔记
另一篇很好的解释:[https://www.itcodemonkey.com/article/6378.html][https_www.itcodemonkey.com_art
相关 读论文《Toward Controlled Generation of Text》
代码:[https://github.com/wiseodd/controlled-text-generation][https_github.com_wiseodd_cont
相关 《Toward Unsupervised Text Content Manipulation》论文笔记
贡献: 1.这篇文章主要是提出了一个新的任务:和文本迁移任务,复写任务不同,文本迁移是修改一个特定句子的文章风格属性不修改文章的内容,而我们的任务是修改特定句子的内容而不
还没有评论,来说两句吧...