基于改进GA的深度神经网络对抗性文本生成方法及系统

摘要

本发明提出了一种基于改进遗传算法(GA)的深度神经网络对抗性文本生成方法及系统，首先通过收集所需要的文本数据集及标签，将数据集中的词汇编码成词向量，基于词向量距离形成同义词词料库。然后根据词料库对输入的文本进行最佳初始种群的生成，之后对种群进行终止条件的判断并在不满足终止条件的前提下迭代进行基于适应度函数的启发式多点交叉、变异操作和跨世代精英选择操作来得到下一代种群。本发明有针对性地生成初始种群，可以减少迭代时间，在变异操作中加入词性约束和在子代选择中加入语义一致性约束可以提高生成文本的语义一致性，使用跨世代精英选择操作和基于适应度函数的启发式多点交叉，有利于提高对抗性文本的生成成功率。