利用句法可控复述网络生成对抗样本
计算与语言
2018-04-18 v1
摘要
我们提出了句法可控复述网络（SCPNs）并用其生成对抗样本。给定句子与目标句法形式（如成分句法树），SCPNs被训练为生成具有期望句法的句子复述。我们表明，可以通过首先进行大规模反向翻译，然后利用句法分析器标注此过程中自然发生的句法变换，来为该任务创建训练数据。此类数据使我们能够训练带有额外输入以指定目标句法的神经编码器-解码器模型。自动化与人工评估相结合表明，与基线（无控制）复述系统相比，SCPNs生成的复述遵循其目标规范，且不降低复述质量。此外，它们更能生成句法对抗样本，这些样本既能（1）“欺骗”预训练模型，又能在用于扩充训练数据时（2）提升这些模型对句法变化的鲁棒性。
引用
@article{arxiv.1804.06059,
title = {Adversarial Example Generation with Syntactically Controlled Paraphrase Networks},
author = {Mohit Iyyer and John Wieting and Kevin Gimpel and Luke Zettlemoyer},
journal= {arXiv preprint arXiv:1804.06059},
year = {2018}
}
备注
NAACL 2018