"类人"社交机器人检测数据集扩充方法研究

摘要：

该文提出了基于海林格距离的变分进化生成式对抗网络(HVE-GAN),实现"类人"社交机器人检测数据集的扩充.HVE-GAN将进化生成式对抗网络(E-GAN)的生成器修改为变分自编码器(VAE)结构,提高了生成数据的"真实性"及多样性程度;将E-GAN生成器Heuristic损失函数更改为改进的海林格距离,在训练过程中加快了模型收敛速度、稳定了生成器的梯度,避免了不稳定的训练过程影响生成数据质量.实验结果表明,利用HVE-GAN模型生成的"类人"社交机器人数据的"真实性"与多样性程度均明显优于基线模型.

关键词：检测数据集;进化生成式对抗网络;损失函数;社交机器人;变分自编码器

所属期刊栏目：51

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;网络文化与数字传播北京市重点实验室开放课题;公安部重点实验室开放课题项目

在线出版日期：2022-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：130-137