抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ソーシャルメディアプラットフォームは,スケールにおける攻撃的音声の幸福,ラシスト,および他の形式と戦うために,攻撃的言語分類システムに基づく機械学習を配備する。しかしながら,それらの実世界展開にもかかわらず,著者らは,攻撃的言語分類器が敵対攻撃に対してロバストである程度を,まだ包括的に理解していない。この空間における先行研究は,誤解や外来空間のようなプリミティブ攻撃に対する攻撃的言語分類器のロバスト性の研究に限定される。このギャップに取り組むために,単語置換のための greedy欲および注意ベースの単語選択および文脈意識埋込みを利用する,より芸術的敵対攻撃に対する,最新の攻撃的言語分類器のロバスト性を系統的に解析した。多重データセットに関する我々の結果は,これらの工芸的敵対攻撃が,修正テキストの可読性と意味を保存できる間,50%以上,攻撃的言語分類器の精度を分解できることを示した。【JST・京大機械翻訳】