权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Adversarial Training for Robust and Generalizable Natural Language Processing

稳健且可推广的自然语言处理的对抗性训练

基本信息

批准号：
21K17802
负责人：
KANASHIROPEREIRA LISWEIJI
金额：
$ 2.75万
依托单位：
Ochanomizu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K17802/
关键词：
NLP adversarial training machine learning robustness deep learning language model

项目摘要

The progress has been smooth so far. We were able to publish two papers at two international conferences last year. Following the original plan, we explored applying perturbations to other layers of the network during adversarial training, as well as the combination with multi-task learning.The published papers are the following:Lis Kanashiro Pereira, Kevin Duh, Fei Cheng, Masayuki Asahara, Ichiro Kobayashi . Attention-Focused Adversarial Training for Robust Temporal Reasoning. LREC 2022.Lis Kanashiro Pereira, Ichiro Kobayashi. OCHADAI at SemEval-2022 Task 2: Adversarial Training for Multilingual Idiomaticity Detection. SemEval 2022.

到目前为止进展顺利。去年我们在两个国际会议上发表了两篇论文。按照最初的计划，我们探索了在对抗训练期间将扰动应用于网络的其他层，以及与多任务学习的结合。已发表论文有：Lis Kanashiro Pereira， Kevin Duh, Fei Cheng, Masayuki Asahara, Ichiro Kobayashi。稳健时间推理的注意力集中对抗训练。LREC 2022。Lis Kanashiro Pereira, Ichiro Kobayashi。任务2：多语言习惯检测的对抗性训练。SemEval 2022。

项目成果

期刊论文数量（4）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Multi-Layer Random Perturbation Training for Improving Model Generalization.

用于提高模型泛化能力的多层随机扰动训练。

DOI：
发表时间：
2021
期刊：
BlackBoxNLP 2021
影响因子：
0
作者：
Lis Pereira;Yuki Taya;,and Ichiro Kobayashi.
通讯作者：
,and Ichiro Kobayashi.

OCHADAI at SemEval-2022 Task 2: Adversarial Training for Multilingual Idiomaticity Detection.

OCHADAI 在 SemEval-2022 任务 2：多语言惯用语检测的对抗性训练。

DOI：
发表时间：
2022
期刊：
SemEval 2022
影响因子：
0
作者：
Lis Pereira;and Ichiro Kobayashi.
通讯作者：
and Ichiro Kobayashi.

ALICE++: Adversarial Training for Robust and Effective Temporal Reasoning. PACLIC 2021.

ALICE：稳健且有效的时间推理的对抗性训练。

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Lis Kanashiro Pereira;Kevin Duh;Fei Cheng;Masayuki Asahara;Ichiro Kobayashi .;Lis Weiji Kanashiro Pereira;Lis Pereira
通讯作者：
Lis Pereira

Attention-Focused Adversarial Training for Robust Temporal Reasoning