声明
第1章 绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文的研究内容
1.4 论文的组织结构
第2章 相关技术与理论
2.1 深度学习
2.1.1 循环神经网络
2.1.2 卷积神经网络
2.2 自然语言处理
2.3 对抗样本
2.3.1 定义
2.3.2 对抗图像
2.3.3 对抗文本
2.4 自编码器
2.5 强化学习中的策略梯度
2.5 本章小结
第3章 基于策略梯度的对抗文本生成算法
3.1 对抗文本生成问题描述
3.2 对抗文本生成算法总体流程
3.3 对抗文本生成器预训练
3.4 策略梯度调节生成器参数
3.5 本章小结
第4章 实验结果
4.1 实验数据与环境
4.1.1 实验数据集
4.1.2 目标模型
4.1.3 实验平台
4.1.4 性能评估
4.1.5 对比算法
4.2 评估指标
4.2.1 模型准确率
4.2.2 文本改动率
4.2.3 文本相似度指标
4.3 实验结果与分析
4.3.1 对抗文本攻击的有效性
4.3.2 对抗文本相似度分析
4.3.3 对抗文本的可迁移性
4.4 本章小结
结论
参考文献
附录 A 攻读硕士学位期间发表论文专利成果目录
附录 B 攻读学位期间参与的学术科研项目
致谢
湖南大学;