【深度学习NLP论文笔记】《Deep Text Classification Can be Fooled》
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（removal）。本文针对DNN文本分类器（DNN-based text classifiers）进行fool。 Introduction 文本分析很重要：垃圾网站、钓鱼网站（spam or phishing webpage）的检测依靠文本分类器。 本
相关文章
- 1. 【深度学习NLP论文笔记】《Towards Crafting Text Adversarial Samples》
- 2. 【深度学习NLP论文笔记】《Adversarial Example For Natural Language Classification Problems》
- 3. 【深度学习NLP论文笔记】《Interpretable Adversarial Perturbation in Input Embedding Space for Text》
- 4. 【深度学习NLP论文笔记】《Visualizing and Understanding Neural Models in NLP》
- 5. 【深度学习NLP论文笔记】《Understanding Neural Networks through Representation Erasure》
- 6. 论文笔记-recurrent CNN for text classification
- 7. NLP论文笔记:Easy Data Augmentation Techniques for Boosting Performance on Text Classification Task
- 8. 【论文笔记】Text Classification using Capsules
- 9. AlexNet论文(ImageNet Classification with Deep Convolutional Neural Networks)学习笔记
- 10. Aspect Level Sentiment Classification with Deep Memory Network论文学习笔记
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 算法总结-深度优先算法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 【深度学习NLP论文笔记】《Towards Crafting Text Adversarial Samples》
- 2. 【深度学习NLP论文笔记】《Adversarial Example For Natural Language Classification Problems》
- 3. 【深度学习NLP论文笔记】《Interpretable Adversarial Perturbation in Input Embedding Space for Text》
- 4. 【深度学习NLP论文笔记】《Visualizing and Understanding Neural Models in NLP》
- 5. 【深度学习NLP论文笔记】《Understanding Neural Networks through Representation Erasure》
- 6. 论文笔记-recurrent CNN for text classification
- 7. NLP论文笔记:Easy Data Augmentation Techniques for Boosting Performance on Text Classification Task
- 8. 【论文笔记】Text Classification using Capsules
- 9. AlexNet论文(ImageNet Classification with Deep Convolutional Neural Networks)学习笔记
- 10. Aspect Level Sentiment Classification with Deep Memory Network论文学习笔记