“类人”社交机器人检测数据集扩充方法研究

作者：刘欣然; 徐雅斌^*

来源：电子科技大学学报, 2022, 51(01): 130-137.

• 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

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。

• 单位
  北京信息科技大学