Insider Threat Detection Based on Stress Recognition Using Keystroke Dynamics
内部威胁是信息安全领域中最紧迫的威胁之一,因为它导致公司遭受巨大的经济损失。大多数用于检测这种威胁的方法都需要昂贵的侵入性设备,这使得它们难以在实践中使用。在本文中,我们提出了一种非侵入性的方法来检测内部威胁的压力识别的基础上,利用神经网络动力学假设入侵者在非法行为,这会影响行为特征的压力。所提出的方法使用监督和无监督机器学习算法。结果表明,压力可以为内部威胁检测提供非常有价值的信息。
2020-05-06 cs.CR cs.LG
Impact of Data Breadth and Depth on Performance of Siamese Neural Network Model: Experiments with Three Keystroke Dynamic Datasets
Clarkson University(克拉克森大学);University of Virginia(弗吉尼亚大学);Georgia Tech(佐治亚理工学院);College of Computing, Georgia Tech(佐治亚理工学院计算学院)
本研究通过三个公开击键数据集实验,探究数据广度与深度对孪生神经网络性能的影响,发现增加广度可提升模型捕捉受试者间差异的能力,深度影响则依数据集类型而异,为行为生物识别模型训练和身份验证系统设计提供参考。
2025-01-10 cs.CV cs.LG stat.ML
Dynamic Anonymized Evaluation for Behavioral Continuous Authentication
University of Wyoming(怀俄明大学)
新兴技术需要可靠的身份验证机制,特别是在互连系统中。目前的系统依赖于单一时刻的认证,然而,连续认证系统利用恒定的生物特征分析来评估用户的身份。Spy Hunter是一种持续的身份验证机制,它使用动态身份验证来验证数据块上的用户。这种易于集成的定期生物特征认证系统可验证真正的用户并快速检测入侵者。因为它在后台验证用户,所以Spy Hunter不受密码框的限制。相反,它是灵活的,可以与其他机制分层,以提供高级别的安全性。在其他持续身份验证技术依赖于脚本输入的地方,Spy Hunter在真实的环境中验证自由文本。这分两个阶段完成,一个阶段是向用户提供提示,另一个阶段是允许用户自由访问其计算机。此外,《间谍猎人》关注的是不同按键的时间,而不是按下的特定按键。这允许匿名数据来验证用户并避免持有个人数据。利用一对K折交叉验证技术,Spy Hunter根据系统错误地接受入侵者的频率,系统错误地拒绝真正用户的频率以及验证用户身份所需的时间进行评估。Spy Hunter将出错率保持在6%以下,并以最少的错误数识别用户。连续身份验证提供了比一次性验证过程更高级别的安全性,Spy Hunter扩展了基于动态行为分析的可能性。
2019-03-07 cs.CR cs.LG
EEG Right & Left Voluntary Hand Movement-based Virtual Brain-Computer Interfacing Keyboard Using Hybrid Deep Learning Approach
Nepal Engineering College(尼泊尔工程学院);Pokhara University(博卡拉大学);University of Delaware(特拉华大学);Institute of Engineering Pulchowk Campus(工程学院普尔乔克校区);Tribhuvan University(特里布文大学);Nepal Research and Collaboration Center(尼泊尔研究与合作中心)
本研究提出基于BiGRU-Attention混合深度学习的脑电左右手运动虚拟键盘系统,实现90%测试准确率,优于传统机器学习及先进深度学习模型,并集成实时GUI模拟按键。
2025-04-22 cs.HC cs.LG cs.NE
Decepticons: Corrupted Transformers Breach Privacy in Federated Learning for Language Models
University of Maryland(马里兰大学);New York University(纽约大学)
本文提出一种利用恶意参数向量攻击联邦学习文本模型的新方法,通过分别提取token和位置嵌入恢复用户私有文本,揭示文本联邦学习比以往认为的更易受隐私攻击。
2023-05-31 cs.CL cs.CR cs.LG
Leveraging Automated Machine Learning for Text Classification: Evaluation of AutoML Tools and Comparison with Human Performance
University of Stuttgart(斯图加特大学);Fraunhofer IAO(弗劳恩霍夫工业工程研究所)
最近,自动机器学习(AutoML)在表格数据方面取得了越来越大的成功。然而,问题是AutoML是否也可以有效地应用于文本分类任务。这项工作在13个不同的流行数据集上比较了四个AutoML工具,包括Kaggle竞赛,并反对人类的表现。结果表明,AutoML工具在13个任务中的4个任务中表现优于机器学习社区,其中两个任务表现突出。
2020-12-07 cs.LG
Sparse Boltzmann Machines with Structure Learning as Applied to Text Analysis
Hong Kong University of Science and Technology(香港科技大学)
我们有兴趣探索深度模型结构学习的可能性和好处。作为第一步,本文研究了限制玻尔兹曼机(RBM)的问题。我们使用Replicated Softmax进行研究,这是一种用于无监督文本分析的RBM变体。我们提出了一种学习稀疏玻尔兹曼机的方法,其中每个隐藏单元连接到可见单元的子集,而不是所有可见单元。实证结果表明,该方法产生的模型与显着提高模型拟合和解释性相比,RBM每个隐藏单元连接到所有可见的单元。
2018-08-05 cs.LG
An Agent-Based Modeling Approach to Free-Text Keyboard Dynamics for Continuous Authentication
James Cook University(詹姆斯·库克大学)
本研究利用智能体模型模拟不同键盘上的打字行为,比较单类SVM与随机森林在持续认证中的表现,发现随机森林在键盘内识别准确率超过0.7但跨键盘泛化困难,表明键盘特定用户画像和集成方法对可靠认证至关重要。
2025-05-08 cs.AI cs.CR cs.LG
Emotion Detection on User Front-Facing App Interfaces for Enhanced Schedule Optimization: A Machine Learning Approach
The Edward S. Rogers Sr. Department of Electrical and Computer Engineering, University of Toronto, Toronto, Canada(电气与计算机工程系,多伦多大学,多伦多,加拿大);Department of Software and IT Engineering, École de technologie supérieure, Montreal, Canada(软件与信息技术工程系,École de technologie supérieure,蒙特利尔,加拿大)
本研究将情绪检测集成到日历应用中,通过生物特征(ECG心率经LSTM/GRU)和行为(鼠标、点击、击键)两种方法预测情绪,发现行为方法(尤其鼠标交互)准确率约90%,GRU优于LSTM,效价预测达84.38%。
2025-06-24 cs.AI cs.HC cs.LG
A Mutation-based Text Generation for Adversarial Machine Learning Applications
Texas A&M University - San Antonio(德克萨斯农工大学圣安东尼奥分校)
许多与自然语言相关的应用涉及由人类或机器创建的文本生成。虽然在许多这些应用程序中,机器支持人类,但在少数其他应用程序中(例如对抗性机器学习,社交机器人和巨魔),机器试图模仿人类。在这个范围内,我们提出并评估了几种基于变异的文本生成方法。与基于机器生成的文本不同,基于变异生成的文本需要人类文本样本作为输入。我们展示了变异算子的例子,但这项工作可以在许多方面进行扩展,例如根据应用程序的性质提出新的基于文本的变异算子。
2022-12-21 cs.CL cs.LG
Text2Struct: A Machine Learning Pipeline for Mining Structured Data from Text
Northwestern University Feinberg School of Medicine(西北大学范伯格医学院);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);LinkedIn(领英)
本文提出Text2Struct,一种无需特殊模板即可从文本中挖掘结构化数据的端到端机器学习流水线,在血栓切除术摘要数据集上取得Dice系数0.82,验证了其有效性。
2025-06-22 cs.IR cs.LG
Adversarial Machine Learning in Text Analysis and Generation
Texas A&M, San Antonio(德克萨斯A&M大学圣安东尼奥分校)
对抗性机器学习的研究领域在过去的几年里引起了人们极大的兴趣。如果机器学习器或模型能够以可接受的准确性、效率等交付主要目标,同时能够抵抗不同类型和/或尝试的对抗攻击,则它是安全的。本文重点介绍了对抗性机器学习在文本分析和生成方面的研究方向和研究趋势。本文综述了GAN算法、模型、攻击类型以及攻击防御等方面的研究动态。
2021-01-14 cs.CR cs.LG
Deciphering Textual Authenticity: A Generalized Strategy through the Lens of Large Language Semantics for Detecting Human vs. Machine-Generated Text
The University of Texas at San Antonio(圣安东尼奥德克萨斯大学);Secure AI and Autonomy Lab(安全人工智能与自主实验室)
针对真实场景中多生成器、多领域机器文本检测泛化不足的问题,提出 T5LLMCipher,融合预训练 T5 编码器与 LLM 嵌入子聚类,显著提升跨域 F1 并准确识别生成器。
2024-04-03 cs.CL cs.LG
Classifying text using machine learning models and determining conversation drift
SRM University(SRM大学);Maharaja Agrasen Institute of Technology(马哈拉贾·阿格拉森技术学院)
文本分类有助于分析文本的语义意义和相关性,通过映射这个层次结构的话。分析各种类型的文本对于理解它们的语义意义以及它们的相关性是非常宝贵的。文本分类是一种对文档进行分类的方法。它结合计算机文本分类和自然语言处理来对文本进行总体分析。该方法提供了文本的描述性分类,具有内容类型、对象字段、词汇特征和风格特征等特征。在这项研究中,作者的目标是在机器学习中使用自然语言特征提取方法,然后将其用于训练一些基本的机器学习模型,如朴素贝叶斯,逻辑回归和支持向量机。这些模型用于检测当台词偏离主题时,教师何时必须参与讨论。
2022-11-15 cs.CL cs.LG
Quantum Text Classifier -- A Synchronistic Approach Towards Classical and Quantum Machine Learning
Tata Consultancy Services(塔塔咨询服务公司)
本文提出端到端量子文本分类框架QTC,在经典计算机上处理数据,利用QML算法进行分类,并基于IBM Qiskit库实现,填补了量子算法文本分类模型空白。
2023-05-22 cs.LG quant-ph
Exploring Machine Learning and Transformer-based Approaches for Deceptive Text Classification: A Comparative Analysis
College of Information Technology, United Arab Emirates University(阿联酋大学信息技术学院)
本文比较了传统机器学习与BERT、XLNET、DistilBERT、RoBERTa等Transformer模型在欺骗性文本分类上的性能,通过准确率、精确率、召回率和F1分数揭示各方法的优劣,为相关研究和实践提供选择依据。
2023-08-11 cs.CL cs.LG
Mitigating Paraphrase Attacks on Machine-Text Detectors via Paraphrase Inversion
Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);Johns Hopkins University(约翰斯·霍普金斯大学)
针对释义攻击会降低机器文本检测器性能的问题,提出将释义文本反转还原为近似原文本的方法,利用少量数据学习模型释义偏差,泛化性良好,结合释义检测器可有效防御攻击,多检测器多领域下AUROC平均提升22%。
2025-03-19 cs.CL cs.LG
Machine learning approach for text and document mining
Institute of technology Gopeshwar(戈佩什瓦尔技术学院);Bansathali University(班萨塔利大学);University of Oviedo(奥维耶多大学);Siemens Information Systems Limited(西门子信息系统有限公司)
文本分类(TC),也称为文本分类,是将一组文本文档自动分类为预定义集合中的不同类别的任务。如果一个文档恰好属于其中一个类别,则它是一个单标签分类任务;否则,它是一个多标签分类任务。TC使用来自信息检索(IR)和机器学习(ML)的几种工具,并且在过去几年中受到学术界研究人员和行业开发人员的广泛关注。在本文中,我们首先使用基于KNN的机器学习方法对文档进行分类,然后返回最相关的文档。
2014-06-06 cs.IR cs.LG
A Survey of Naïve Bayes Machine Learning approach in Text Document Classification
Pondicherry University(本地治里大学)
文本文档分类的目的是根据标签文档训练集所建议的可能性将一个或多个预定义的类别关联起来。许多机器学习算法在训练具有预定义类别的系统方面发挥着至关重要的作用,其中朴素贝叶斯有一些有趣的事实,即它简单、易于实现,并且尽管存在朴素的依赖性,但在大型数据集中仍能获得更好的准确性。朴素贝叶斯机器学习方法的重要性已经被认识到,因此该研究已经被用于文本文档分类和可用的统计事件模型。本文对文本分类中的各种特征选择方法以及与文本分类相关的度量进行了讨论和比较。
2010-03-09 cs.IR cs.LG
Using the Tsetlin Machine to Learn Human-Interpretable Rules for High-Accuracy Text Categorization with Medical Applications
University of Agder(阿格德尔大学);Sørlandet Hospital Trust(南挪威医院信托)
该研究提出将Tsetlin机用于文本分类,其在20个新闻组、IMDb及临床数据集上的精度优于多数对比方法,且GPU实现速度更快,兼顾精度与可解释性,适用于医疗等领域。
2026-11-17 cs.CL cs.LG stat.ML
Comparison of Classical Machine Learning Approaches on Bangla Textual Emotion Analysis
University of Saarland(萨尔大学);University of Chittagong(吉大港大学)
从文本中检测情感是简单情感极性检测的扩展。而不是只考虑积极或消极的情绪,情绪传达使用更有形的方式;因此,他们可以表达为许多灰色阴影。本文体现了我们的实验孟加拉语文本的细粒度情感分析的结果。我们收集并注释了一个文本语料库,该语料库由来自几个Facebook群组的关于社会经济和政治问题的用户评论组成,我们努力提取通过这些评论传达的基本情绪(悲伤,快乐,厌恶,惊讶,恐惧,愤怒)。最后,我们比较了五个最流行的经典机器学习技术,即朴素贝叶斯,决策树,k-最近邻(k-NN),支持向量机(SVM)和K-均值聚类与几种组合的功能的结果。我们的最佳模型(具有非线性径向基函数(RBF)内核的SVM)实现了52.98%的总体平均准确率得分和0.3324的F1得分(宏)
2019-07-18 cs.CL cs.LG
RKadiyala at SemEval-2024 Task 8: Black-Box Word-Level Text Boundary Detection in Partially Machine Generated Texts
University of Maryland(马里兰大学)
本文针对 SemEval-2024 任务 8 提出黑盒词级文本边界检测方法,用于识别部分机器生成文本中的机器生成片段,并在跨领域和跨生成器场景下取得显著准确率提升。
2024-10-22 cs.AI cs.CL cs.LG
Machine Learning in Automated Text Categorization
在过去的十年里,由于数字形式的文件越来越多,以及随之而来的组织文件的需要,将文本自动分类(或分类)到预定义的类别中的兴趣蓬勃发展。在研究界,解决这个问题的主要方法是基于机器学习技术:一般的归纳过程通过从一组预分类文档中学习类别的特征来自动构建分类器。这种方法的优点是知识工程的方法(包括在手动定义的分类领域的专家)是一个非常好的效果,相当大的节省专家人力,并直接移植到不同的领域。本综述讨论了属于机器学习范式的文本分类的主要方法。我们将详细讨论与三个不同问题有关的问题,即文档表示,分类器构建和分类器评估。
2001-10-26 cs.IR cs.LG
SMLT-MUGC: Small, Medium, and Large Texts -- Machine versus User-Generated Content Detection and Comparison
Northeastern University(东北大学)
本研究比较了机器学习算法在不同长度文本上检测LLM生成内容的能力,发现大参数模型更难检测,而小参数模型检测准确率高,并分析了文本特征差异。
2024-06-28 cs.CL cs.LG
Detecting Machine-Generated Long-Form Content with Latent-Space Variables
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
针对现有零样本机器文本检测器易受领域偏移影响的问题,提出基于事件/主题序列训练潜空间模型的检测方法,在三个领域较DetectGPT等基线提升31%,并揭示了大语言模型与人类在事件生成上的固有差异。
2024-10-04 cs.CL cs.LG
Text classification using machine learning methods
University of Bucharest(布加勒斯特大学)
本研究利用多种词嵌入方法将产品名称转化为数值向量,并比较多种机器学习分类器,发现支持向量机、逻辑回归和随机森林准确率最高,FASTTEXT嵌入效果最佳。
2025-02-27 cs.CL cs.LG
Benchmark Performance of Machine And Deep Learning Based Methodologies for Urdu Text Document Classification
为了提供基准性能的乌尔都语文本文档分类,本文的贡献是多方面的。首先,它提供了一个公开可用的基准数据集,手动标记为6个类。其次,它研究了传统的基于机器学习的乌尔都语文本文档分类方法的性能影响,嵌入10个过滤器为基础的特征选择算法,已被广泛用于其他语言。第三,第一次评估了各种基于深度学习的乌尔都语文本文档分类方法的性能。在这方面,为了进行实验,我们采用了10种深度学习分类方法,这些方法为英语文本分类提供了最佳性能数据。第四,它还研究了迁移学习的性能影响,利用双向编码器表示Transformers方法乌尔都语。第五,它评估了一种混合方法的完整性,该方法结合了传统的基于机器学习的特征工程和基于深度学习的自动特征工程。实验结果表明,在两个闭源基准数据集CLE Urdu Digest 1000 k和CLE Urdu Digest 1Million上,归一化差异度量和支持向量机的特征选择方法分别以32%和13%的显著性裕度表现出最先进的性能。在所有三个数据集上,归一化差异度量优于其他基于过滤器的特征选择算法,因为它显著提升了所有采用的机器学习,深度学习和混合方法的性能。源代码和呈现的数据集可在Github存储库中获得。
2020-03-03 cs.CL cs.LG
AuthentiGPT: Detecting Machine-Generated Text via Black-Box Language Models Denoising
MIT EECS(麻省理工学院电气工程与计算机科学系)
AuthentiGPT利用黑盒语言模型去噪输入文本并语义比较,以单参数高效区分机器与人类文本,在领域数据集上AUROC达0.918,优于商业算法。
2023-11-13 cs.AI cs.CL cs.LG
Attacks on Machine-Text Detectors Retain Stylistic Fingerprints
University of California, Berkeley(加州大学伯克利分校)
研究机器文本检测器对抗攻击的局限性,提出一种同时优化不可检测性和特定人类风格的 paraphrasing 方法,发现单文档检测不可靠,需多文档分析。
2026-06-08 cs.AI cs.CL cs.LG
Distinguishing Human Generated Text From ChatGPT Generated Text Using Machine Learning
United International University (UIU)(联合国际大学(UIU));University of Asia Pacific (UAP)(亚太大学(UAP))
本文提出基于机器学习的 ChatGPT 生成文本检测方法,在含 10,000 条文本的 Kaggle 数据集上比较 11 种算法,并在 GPT-3.5 语料上达到 77% 准确率。
2023-05-26 cs.AI cs.CL cs.LG
Context Matters: Recovering Human Semantic Structure from Machine Learning Analysis of Large-Scale Text Corpora
Princeton University(普林斯顿大学);Yale University(耶鲁大学);Intel Labs(英特尔实验室)
将机器学习算法应用于大规模的基于文本的语料库(嵌入)提供了一个独特的机会,可以大规模研究人类语义知识是如何组织的,以及人们如何使用它来判断基本关系,例如概念之间的相似性。然而,迄今为止的努力表明,算法预测和经验判断之间存在很大差异。在这里,我们介绍了一种新的方法来生成嵌入的心理学理论,语义上下文在人类的判断中起着至关重要的作用。具体来说,我们训练国家的最先进的机器学习算法使用上下文约束的文本语料库,并表明,这大大提高了相似性判断和特征评级的预测。通过改进使用由机器学习方法生成的嵌入和人类判断的经验测量得出的表示之间的对应关系,我们描述的方法有助于推进使用大规模文本语料库来理解人类语义表示的结构。
2020-07-15 cs.CL cs.IR cs.LG
HU at SemEval-2024 Task 8A: Can Contrastive Learning Learn Embeddings to Detect Machine-Generated Text?
University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校);University of Houston(休斯顿大学)
本文提出基于对比学习和数据增强的单一模型,仅用基线约40%的参数,在SemEval-2024任务8A机器生成文本检测中取得与多模型集成相当的性能。
2024-03-27 cs.AI cs.CL cs.LG
Leveraging machine learning for less developed languages: Progress on Urdu text detection
COMSATS University Islamabad(伊斯兰堡科姆萨特大学);Hamad Bin Khalifa University(哈马德·本·哈利法大学)
自然场景图像中的文本检测可应用于自动驾驶,老年人和盲人的导航帮助。然而,乌尔都语文本检测的研究往往受到数据资源不足的阻碍。我们已经开发了一个带有乌尔都语文本的场景图像数据集。我们提出了使用机器学习方法来执行检测乌尔都语文本从场景图像。我们使用通道增强的最大稳定极端区域(MSER)方法提取文本区域。首先,我们分类文本和噪音的基础上,他们的几何属性。接下来,我们使用一个支持向量机的早期丢弃的非文本区域。为了进一步去除非文本区域,我们使用直方图的方向梯度(HoG)的功能获得和训练第二个SVM分类器。这提高了场景图像内的文本区域检测的整体性能。为了支持对乌尔都语文本的研究,我们的目标是使数据免费用于研究。我们还旨在强调乌尔都语文本检测的挑战和研究差距。
2022-09-28 cs.AI cs.CV cs.LG
TempTest: Local Normalization Distortion and the Detection of Machine-generated Text
University of Manchester(曼彻斯特大学);Featurespace;University of Cambridge(剑桥大学)
提出TempTest方法,通过检测解码策略中的局部归一化失真来识别机器生成文本,无需依赖生成模型,在多种设置下性能优于现有检测器。
2025-03-26 cs.CL cs.LG math.DS
Character Spotting Using Machine Learning Techniques
PES University(PES大学)
这项工作提出了一个比较的机器学习算法,实现分割字符的文本作为一个图像。这些算法旨在处理文本未以有组织的方式对齐的降级文档。本文研究了使用支持向量机,K-最近邻算法和编码器网络来执行字符定位操作。字符识别涉及通过选择由空白限定的区域从文本流中提取潜在的字符。
2021-07-28 cs.AI cs.CV cs.LG
Training with reduced precision of a support vector machine model for text classification
AGH University of Science and Technology(AGH科技大学)
研究了在支持向量机(SVM)的训练过程中,量化对多类文本分类效率的影响。这项工作的重点是比较效率的SVM模型训练使用降低精度与其原始形式。使用量化的主要优点是减少计算时间和专用硬件平台上的内存占用,该硬件平台支持低精度计算,如GPU(16位)或FPGA(任何位宽)。本文提出了一个精度降低的SVM训练过程中的文本分类精度的影响。CPU的实现使用了OpenMP库。此外,使用双精度,单精度和半精度的GPU的实现的结果。
2020-07-17 cs.CL cs.LG stat.ML
TMIXT: A process flow for Transcribing MIXed handwritten and machine-printed Text
Durham University(杜伦大学);Newcastle University(纽卡斯尔大学);Southern University of Science and Technology(南方科技大学)
处理大量文件在许多领域都非常重要,在犯罪调查和辩护领域也是如此,在这些领域,一个组织可能会收到大量需要在有限时间内处理的扫描文件。然而,这一问题因需要处理的扫描文件数量和页面复杂性而更加严重。通常包含许多不同的元素,每个元素都需要处理和理解。文本识别是该过程的主要任务,通常取决于文本的类型,是手写的还是机器打印的。因此,在决定要应用的识别方法之前,识别涉及文本类别的在先分类。如果文档同时包含手写和机器打印的文本,这就提出了一个更具挑战性的任务。在这项工作中,我们提出了一个通用的处理流程,在扫描文档中包含混合手写和机器打印的文本识别,而不需要提前分类文本。我们使用几个开源的图像处理和文本识别包1来实现所提出的过程流。该评估是使用本工作中提出的IAM手写数据库专门开发的变体进行的,对于包含印刷文本和手写文本的页面,我们实现了近80%的平均转录准确度。
2019-04-28 cs.CV cs.IR cs.LG
A Machine Learning Framework for Authorship Identification From Texts
Carnegie Mellon University(卡内基梅隆大学)
作者身份识别是对文本的作者进行身份识别的过程。大多数已知的文学文本可以很容易地归因于某个作者,因为它们是,例如,签名。然而,有时我们会发现未完成的作品或一大堆手稿,其中可能有各种各样的作者。为了评估这样的手稿的重要性,知道谁写的是至关重要的。在这项工作中,我们的目标是开发一个机器学习框架,以有效地确定作者。我们制定的任务作为一个单标签多类文本分类问题,并提出了一个监督机器学习框架,结合文体特征。这项任务是高度跨学科的,因为它利用了机器学习、信息检索和自然语言处理。我们提出了一种方法和一个模型,学习$50$不同作者之间的写作风格的差异,并能够预测一个新的文本的作者与高精度。在引入某些语言风格特征和文本特征后,准确性显着增加。
2019-12-21 cs.CL cs.IR cs.LG
Machine Generated Text: A Comprehensive Survey of Threat Models and Detection Methods
本综述系统分析当代NLG系统威胁模型,全面回顾机器生成文本检测方法,强调检测系统需具备公平性、鲁棒性与问责制以应对滥用。
2023-05-08 cs.CL cs.CR cs.CY
Measuring the Novelty of Natural Language Text Using the Conjunctive Clauses of a Tsetlin Machine Text Classifier
University of Agder(阿格德尔大学)
大多数有监督的文本分类方法都假设一个封闭的世界,在训练时,所有的类都存在于数据中。这种假设可能会导致在操作过程中出现不可预测的行为,无论何时出现新的、以前看不见的类。尽管基于深度学习的方法最近已被用于新颖性检测,但由于其黑箱性质,它们的解释具有挑战性。本文讨论了\emph{interpretable}开放世界文本分类,其中训练的分类器必须处理新的类在操作过程中。为此,我们扩展了最近推出的Tsetlin机(TM)与新颖的评分机制。该机制使用TM的合取子句来衡量文本与训练数据所覆盖的类匹配的程度。我们证明,条款提供了一个简洁的可解释的描述已知的主题,我们的评分机制,使人们有可能辨别新的主题从已知的。从经验上讲,我们基于TM的方法在五个数据集中的三个数据集上优于其他七个新颖性检测方案,并且在其余数据集上表现第二和第三好,并且具有可解释的基于命题逻辑的表示的额外好处。
2020-11-17 cs.AI cs.CL cs.LG
Fairness Evaluation in Text Classification: Machine Learning Practitioner Perspectives of Individual and Group Fairness
IBM Research(IBM研究院);Massachusetts Institute of Technology(麻省理工学院)
减轻算法偏见是机器学习模型开发和部署中的一项关键任务。虽然有几个工具包可以帮助机器学习从业者解决公平性问题,但人们对从业者用来评估模型公平性的策略以及影响其评估的因素知之甚少,特别是在文本分类的背景下。评价模型公平性的两种常用方法是群体公平性和个体公平性。我们与机器学习从业者(n=24)进行了一项研究,以了解用于评估模型的策略。向从业者提出的问题(群体与个人公平性)影响他们认为公平的模型。与会者重点关注与低估/高估相关的风险以及与身份令牌操作相关的模型敏感性。我们发现公平性评估策略涉及个人经验或用户如何形成身份令牌组来测试模型的公平性。我们提供了交互式工具的建议,用于评估文本分类的公平性。
2023-03-01 cs.CY cs.HC cs.LG
Text Classification for Azerbaijani Language Using Machine Learning and Embedding
Khazar University(哈扎尔大学);University of Tabriz(大不里士大学)
文本分类系统将有助于解决阿塞拜疆语的文本聚类问题。有一些针对外语的文本分类应用程序,但我们试图构建一个新开发的系统来解决阿塞拜疆语的这个问题。首先,我们试图找出潜在的实践领域。该系统将在许多领域发挥作用。它将主要用于新闻提要分类。新闻网站可以自动将新闻分类为体育、商业、教育、科学等类别。该系统还用于产品评论的情感分析。例如,该公司在Facebook上分享了一张新产品的照片,该公司收到了上千条关于新产品的评论。系统将评论分为积极或消极的类别。该系统还可以应用于推荐系统,垃圾邮件过滤等各种机器学习技术,如朴素贝叶斯,SVM,决策树已被设计来解决阿塞拜疆语的文本分类问题。
2019-12-26 cs.CL cs.LG stat.ML
A Comparative Study of Machine Unlearning Techniques for Image and Text Classification Models
Faculty of Engineering, Alexandria University(亚历山大大学工程学院)
本文系统比较了六种先进的机器遗忘技术在图像与文本分类任务中的性能、效率与合规性,揭示其优势与局限,为伦理可适应的机器学习提供指导。
2024-12-27 cs.AI cs.CL cs.CV
Text-mining the NeuroSynth corpus using Deep Boltzmann Machines
Imperial College London(帝国理工学院);King’s College London(伦敦国王学院)
神经影像学数据的大规模自动化荟萃分析最近已经成为促进我们对人类大脑功能理解的重要工具。这项研究是由NeuroSynth开创的,该数据库收集了大量神经成像研究论文中的大脑激活坐标和相关文本。这种元分析的一个基本方面是文本挖掘。到目前为止,已经提出了字数统计和更复杂的方法,如潜在的狄利克雷分配。在这项工作中,我们提出了一个无监督的研究NeuroSynth文本语料库使用深度玻尔兹曼机(DBMs)。DBM的使用产生了几个优势,上述方法,其中主要是事实上,它产生的词和文档嵌入在一个高维向量空间。这种嵌入有助于在文本语料库上使用传统的机器学习技术。所提出的DBM模型被证明可以学习具有清晰语义结构的嵌入。
2016-05-01 cs.CL cs.LG q-bio.NC
On Evaluating The Performance of Watermarked Machine-Generated Texts Under Adversarial Attacks
Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Xidian University(西安电子科技大学);Tsinghua University(清华大学)
本文针对LLM水印方案在对抗攻击下鲁棒性研究空白,系统梳理并分类水印与攻击,通过87个场景评估8种水印和12种攻击,揭示现有技术脆弱性并强调开发更鲁棒方案的必要性。
2024-11-28 cs.AI cs.CL cs.CR