检索结果-维普期刊中文期刊服务平台

基于语言特征集成学习的大语言模型生成文本检测被引量：1: 1; 作者项慧薛鋆豪郝玲昕《信息网络安全》 CSCD 北大核心 2024年第7期1098-1109,共12页; 大语言模型的快速发展为日常生活和工作提供了极大的便利,但也为个人和社会带来了挑战。因此,迫切需要能够检测大语言模型生成文本的检测器。为了兼具良好的检测性能和泛化能力,文章提出了一种基于语言特征集成学习的大语言模型生成文... 展开更多; 关键词大语言模型大语言模型生成文本检测集成学习语言特征; 在线阅读下载PDF 职称材料

基于正反上下文语义对齐融合的多模态文本摘要模型: 2; 作者陈中峰陆振宇荣欢《中文信息学报》 CSCD 北大核心 2024年第4期108-119,共12页; 该文基于序列到序列的神经网络,提出了使用文本语义信息和图片语义信息对多模态文本摘要生成任务进行建模。具体而言,使用文本一级编码器和带有图片信息指导的二级门控编码器对多模态语义信息进行编码,对齐文本与图片的语义信息。通过... 展开更多; 关键词多模态文本摘要多模态信息对齐二级门控编码机制文本生成模型; 在线阅读下载PDF 职称材料

基于CLIP微调的扩散模型安全化: 3; 作者吴平林欣《华东师范大学学报(自然科学版)》北大核心 2025年第1期138-150,共13页; 扩散模型变革了文本–图像生成领域,使终端用户可以基于简单的自然语言提示生成高质量、多样化的图像艺术作品.然而,由于训练数据集庞大且未经过滤,文本–图像生成模型具有生成色情内容与暴力内容等不适当内容的能力.为更加安全地部署... 展开更多; 关键词文本–图像生成模型安全性数据集扩散模型; 在线阅读下载PDF 职称材料

基于DreamBooth的傣锦图案人工智能生成模型被引量：4: 4; 作者纪乐福王永江李启正《服装学报》 CAS 北大核心 2024年第5期433-442,共10页; 为推动传统文化引领下的现代纺织图案设计发展,提出了一种利用人工智能生成民族纺织图案的模型。以傣族织锦图案为例,对傣族织锦实物图案进行矢量化处理,为每张图片编写对应文本标签,并以此为训练集;选取适用于傣锦的预训练模型,使用Dre... 展开更多; 关键词模型微调传统纺织图案傣锦图案 DreamBooth方法文本-图像生成模型; 在线阅读下载PDF 职称材料

基于中间域语义传导的跨领域文本生成方法: 5; 作者马廷淮于信荣欢《计算机研究与发展》 EI CSCD 北大核心 2023年第12期2844-2863,共20页; 在多领域数据的文本生成场景中,不同领域中的数据通常存在差异性,而新领域的引入会同时带来数据缺失的问题.传统的有监督方法,需要目标领域中大量包含标记的数据来训练深度神经网络文本生成模型,而且训练好的模型无法在新领域中取得良... 展开更多; 关键词深度神经网络文本生成模型数据分布对齐最大均值差异零次学习语义要素传导; 在线阅读下载PDF 职称材料

题名基于语言特征集成学习的大语言模型生成文本检测被引量：1: 1; 作者项慧薛鋆豪郝玲昕; 机构杭州电子科技大学网络空间安全学院; 出处《信息网络安全》 CSCD 北大核心 2024年第7期1098-1109,共12页; 基金国家自然科学基金[61772162] 浙江省重点研发计划[2023C03198]。; 文摘大语言模型的快速发展为日常生活和工作提供了极大的便利,但也为个人和社会带来了挑战。因此,迫切需要能够检测大语言模型生成文本的检测器。为了兼具良好的检测性能和泛化能力,文章提出了一种基于语言特征集成学习的大语言模型生成文本检测方法EBF Detection。EBF Detection融合了微调预训练语言模型和高阶自然语言统计特征,利用判决机制,实现了大语言模型生成文本检测。实验结果显示,EBF Detection不仅在域内数据上平均的检测准确率达到了98.72%,而且在域外数据上的平均检测准确率达到了96.79%。; 关键词大语言模型大语言模型生成文本检测集成学习语言特征; Keywords large language model LLM-generated text detection ensemble learning linguistic feature; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于正反上下文语义对齐融合的多模态文本摘要模型: 2; 作者陈中峰陆振宇荣欢; 机构南京信息工程大学人工智能学院; 出处《中文信息学报》 CSCD 北大核心 2024年第4期108-119,共12页; 基金国家自然科学基金(U20B2061,62102187) 江苏省自然科学基金(基础研究计划)(BK20210639)。; 文摘该文基于序列到序列的神经网络,提出了使用文本语义信息和图片语义信息对多模态文本摘要生成任务进行建模。具体而言,使用文本一级编码器和带有图片信息指导的二级门控编码器对多模态语义信息进行编码,对齐文本与图片的语义信息。通过多模态正向注意力机制与反向注意力机制多方面观察对齐后的源文本与图片内容,分别得到各自模态语义信息的正相关和不相关特征表示。使用正向滤波器过滤正向注意力机制中的不相关信息,使用反向滤波器过滤反向注意力机制中的相关信息,达到分别从正向与反向两个方面选择性地融合文本语义信息和图片语义信息的目的。最后基于指针生成网络,使用正相关信息搭建正向指针、使用不相关信息搭建反向指针,生成带有多模态语义信息补偿的文本摘要内容。在京东中文电子商务数据集上,所提模型生成的多模态文本摘要在ROUGE-1、ROUGE-2、ROUGE-L指标上分别取得了38.40、16.71、28.01的结果。; 关键词多模态文本摘要多模态信息对齐二级门控编码机制文本生成模型; Keywords multi-modal text summarization multi-modal alignment secondary gated encoding text-generation model; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于CLIP微调的扩散模型安全化: 3; 作者吴平林欣; 机构华东师范大学计算机科学与技术学院; 出处《华东师范大学学报(自然科学版)》北大核心 2025年第1期138-150,共13页; 基金统计与数据科学前沿理论及应用教育部重点实验室开放项目上海市科委项目(21511100101)。; 文摘扩散模型变革了文本–图像生成领域,使终端用户可以基于简单的自然语言提示生成高质量、多样化的图像艺术作品.然而,由于训练数据集庞大且未经过滤,文本–图像生成模型具有生成色情内容与暴力内容等不适当内容的能力.为更加安全地部署此类模型,提出了一种基于CLIP (contrastive languageimage pre-training)方向性损失的微调(directional CLIP loss based fine-tuning, CLIF)算法,使用方向性的CLIP损失来微调模型,以抑制其生成不适当内容的能力. CLIF消耗的计算资源很少,并且具有强制生效的特点.为评估其抑制效果,提出了CTP (categorized toxic prompts)用于评估文本–图像生成模型的不适当内容生成能力.在CTP与COCO (common objects in context)上的实验结果表明, CLIF能够在抑制文本–图像扩散模型生成不安全内容的同时不影响其一般性生成能力.; 关键词文本–图像生成模型安全性数据集扩散模型; Keywords text-to-image generative models security datasets diffusion models; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于DreamBooth的傣锦图案人工智能生成模型被引量：4: 4; 作者纪乐福王永江李启正; 机构浙江理工大学纺织科学与工程学院(国际丝绸学院); 出处《服装学报》 CAS 北大核心 2024年第5期433-442,共10页; 基金教育部产学合作协同育人项目(202102654037)。; 文摘为推动传统文化引领下的现代纺织图案设计发展,提出了一种利用人工智能生成民族纺织图案的模型。以傣族织锦图案为例,对傣族织锦实物图案进行矢量化处理,为每张图片编写对应文本标签,并以此为训练集;选取适用于傣锦的预训练模型,使用DreamBooth方法微调现有的文本-图像模型。对模型训练效果进行分析,得出V1模型是一个具有良好拟合度和图像生成效果的文本-图像生成模型。; 关键词模型微调传统纺织图案傣锦图案 DreamBooth方法文本-图像生成模型; Keywords model fine-tuning traditional textile patterns Dai brocade patterns DreamBooth method text-image genera-tion model; 分类号 TS941.26 [轻工技术与工程—服装设计与工程]; 在线阅读下载PDF 职称材料

题名基于中间域语义传导的跨领域文本生成方法: 5; 作者马廷淮于信荣欢; 机构南京信息工程大学软件学院南京信息工程大学人工智能学院(未来技术学院); 出处《计算机研究与发展》 EI CSCD 北大核心 2023年第12期2844-2863,共20页; 基金国家自然科学基金项目(62102187,62372243) 江苏省自然科学基金(基础研究计划)项目(BK20210639) 国家重点研发计划项目(2021YFE0104400)。; 文摘在多领域数据的文本生成场景中,不同领域中的数据通常存在差异性,而新领域的引入会同时带来数据缺失的问题.传统的有监督方法,需要目标领域中大量包含标记的数据来训练深度神经网络文本生成模型,而且训练好的模型无法在新领域中取得良好的泛化效果.针对多领域场景中数据差异和数据缺失的问题,受到迁移学习方法的启发,设计了一种综合性的迁移式文本生成方法,减少了不同领域之间文本数据的差异性,同时借助已有领域和新领域之间文本数据上的语义关联性,帮助深度神经网络文本生成模型在新领域上进行泛化.通过在公开数据集上的实验,验证了所提方法在多领域场景下领域迁移的有效性,模型在新领域上进行文本生成时具有较好的表现,对比现有的其他迁移式文本生成方法,在各项文本生成评价指标上均有提升.; 关键词深度神经网络文本生成模型数据分布对齐最大均值差异零次学习语义要素传导; Keywords deep neural network text generation model data distribution alignment maximum mean discrepancy zero-shot learning semantic conduction; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于语言特征集成学习的大语言模型生成文本检测	项慧薛鋆豪郝玲昕	《信息网络安全》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于正反上下文语义对齐融合的多模态文本摘要模型	陈中峰陆振宇荣欢	《中文信息学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于CLIP微调的扩散模型安全化	吴平林欣	《华东师范大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于DreamBooth的傣锦图案人工智能生成模型	纪乐福王永江李启正	《服装学报》 CAS 北大核心	2024	4	在线阅读下载PDF 职称材料
5	基于中间域语义传导的跨领域文本生成方法	马廷淮于信荣欢	《计算机研究与发展》 EI CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料