公开(公告)号：CN118349675A

公开(公告)日：2024-07-16

申请号：CN202410455499.9

申请日：2024-04-16

Applicant: 扬州大学

Inventor： 朱毅 ,  李政隆 ,  袁旭 ,  李云 ,  袁运浩 ,  强继朋

IPC: G06F16/35 ,  G06F40/30 ,  G06N3/08

Abstract: 本发明公开了一种基于提示调优的文本对抗防御方法，包括1）采取四种策略对原始文本进行添加扰动形成对抗文本，并引入源域和目标域来模拟原始文本和对抗文本；2）手动构建提示调优模型的模板；3）在标签词映射器的构建中使用三种词汇注释工具在目标域上进行标注，根据主题分类或情感分类的任务类型抽取名词或形容词，并采用分层聚类和优化策略得到最终的标签词；4）随机选取少量源域数据样本，基于步骤2）和步骤3）中构建出优化的提示调优模型，实现对抗文本的分类预测。本发明基于提示调优模型，在少量源域数据样本的前提下，解决了多种文本攻击方法对文本准确分类的影响，实现文本对抗防御。

公开(公告)号：CN118885669A

公开(公告)日：2024-11-01

申请号：CN202411056779.9

申请日：2024-08-02

Applicant: 扬州大学

Inventor： 朱毅 ,  袁旭 ,  李云 ,  袁运浩 ,  强继朋

IPC: G06F16/9535 ,  G06F16/35 ,  G06F16/34 ,  G06F40/186 ,  G06N3/045 ,  G06N3/0442 ,  G06F40/216 ,  G06F40/194

Abstract: 本发明公开了一种基于软提示调优的个性化新闻推荐方法，包括1）对每个用户进行建模，引入新闻的附加侧边信息，包括新闻的子类别和摘要，以丰富新闻的特征表示；2）选择合适的预训练语言模型，将训练模型作为主干，构建提示学习中的标签词和模板；3）通过三种优化策略扩展标签词映射器，得到优化后的标签词集；4）在通过各种策略成功构建最终的标签词映射器之后，将每个标签词的预测概率适当地映射到它们各自的类别中。本发明针对个性化新闻推荐的特殊需求对模型进行了优化，能够充分提取新闻文本特征，显著提升了推荐的准确性。通过提示学习结合预训练语言模型，显著减少了额外的噪声，并实现更准确的推荐结果。