文件名称：T3:[EMNLP 2020]“ T3
文件大小：38.64MB
文件格式：ZIP
更新时间：2024-06-15 07:36:50
tree attack autoencoder bert adversarial-attacks
T3 这是EMNLP 2020论文“ ”的官方代码库。 此存储库包含用于攻击分类模型（自我专注模型和BERT）和问答模型（BiDAF和BERT）的代码。 我们将攻击代码放在每个文件夹中。 您可以使用我们的代码来攻击其他NLP任务。 笔记 在使用我们的T3（Sent）之前，需要在大型语料库中训练基于树的自动编码器。 基于训练树的自动编码器 我们在Yelp评论训练数据集中训练了基于树的自动编码器。 相关代码可以在SAM-attack/my_generator/ 。 训练之前，训练集中的每个句子都应由Stanford CoreNLP解析器解析以获取其依存关系结构。 会费 我们欢迎您通过提出拉取请求做出各种贡献。 如果您有任何疑问，请打开一个问题进行讨论。
【文件预览】：
T3-master
----.gitignore(22B)
----SAM-attack()
--------CW_attack_random.py(13KB)
--------.gitignore(20B)
--------seqbackLSTM()
--------LICENSE(34KB)
--------my_generator()
--------treeLSTM()
--------generate_trees.py(4KB)
--------models.py(6KB)
--------README.md(2KB)
--------util.py(8KB)
--------tokenizer-yelp.py(1KB)
--------common()
--------vocab.py(3KB)
--------CW_attack.py(13KB)
--------attack.py(32KB)
--------train.py(11KB)
----BERT-attack()
--------CW_attack_random.py(13KB)
--------.gitignore(2KB)
--------bertmodel.py(10KB)
--------sampled_generate_append.py(14KB)
--------utils_squad_evaluate.py(12KB)
--------seqbackLSTM()
--------attack_classifier.py(19KB)
--------bert_classification()
--------run_squad.py(29KB)
--------generate_append.ipynb(8KB)
--------my_generator()
--------treeLSTM()
--------README.md(1KB)
--------CW_QA_attack_random.py(14KB)
--------util.py(9KB)
--------CW_QA_attack_ensemble.py(14KB)
--------dataset.py(14KB)
--------CW_QA_attack.py(14KB)
--------evaluate.py(4KB)
--------utils_squad.py(41KB)
--------attack_qa.py(76KB)
--------vocab.py(3KB)
--------generate_adv_dataset.py(854B)
--------CW_attack.py(13KB)
----README.md(968B)
----bidaf-attack()
--------.gitignore(154B)
--------run.py(45KB)
--------seqbackLSTM()
--------model()
--------my_generator()
--------treeLSTM()
--------ema(5.91MB)
--------utils()
--------README.md(503B)
--------util.py(10KB)
--------CW_QA_attack.py(14KB)
--------evaluate.py(3KB)
--------model.bin(47.39MB)
--------vocab.py(3KB)
--------none_n1000_k1_s0.json(943KB)