[发明专利]一种针对中文文本分类任务的字符级对抗样本生成方法

权利要求书

1.一种针对中文文本分类任务的字符级对抗样本生成方法，其特征在于包含以下步骤：

A)数据获取及存储：从众多网络评论中获取原始数据，并进行存储。

B)多音字字典构建：根据所述原始数据，构建多音字字典。

所述多音字字典表示为同时包含字符和读音之间关系的字典，用四元组(w,x,y,i)描述。

其中，w是多音字的中文表示，x是w的拼音表述，y是w的具体含义，i表示w的第i个读音，i∈[1,7]。

C)多音字字典标注：根据所述多音字字典格式，进行标注，确定所述多音字字典中每个字的四元组(w,x,y,i)具体值。

D)对抗样本生成：将所述原始样本作为输入，利用构建的所述多音字字典中的数据，在所述原始数据中进行全局匹配，找到w相同的字，进行替换操作，得到与原文字形相同但字音不同的对抗样本。

2.根据权利要求1所述的一种针对中文文本分类任务的字符级对抗样本生成方法，其特征在于：

在步骤A)，所述原始数据包括结构化数据和非结构化数据。

3.根据权利要求1所述的一种针对中文文本分类任务的字符级对抗样本生成方法，其特征在于：

将所述对抗样本输入至目标判别模型，得到所述目标判别模型输出的所述样本的判断类别；

根据所述判断类别，得到当前判断与所述原始数据类别之间的差异，得到扰动值，并将所述扰动返回至所述对抗样本生成过程。其中，所述目标判断类别与所述原始类别为不同。