°SClgen生成文献的检测方案 刘昌灵 中国人民大学2012级本科 多媒体计算实验室
SCIgen生成文献的检测方案 刘昌灵 中国人民大学 2012级本科 多媒体计算实验室
简单的发现 SClgen是一个使用生成式生成文本的上 下文无关文法（巴科斯范式、巴科斯 诺尔范式、Backus-Naur Form) ●SClgen使用的生成式存在于scirules.in文 件中 ●对于子生成式的展开，SClgen的策略相 对简单，不会自递归（乔姆斯基范式、 Chomsky Normal Form)
简单的发现 SCIgen是一个使用生成式生成文本的上 下文无关文法（巴科斯范式、巴科斯- 诺尔范式、 Backus-Naur Form） SCIgen使用的生成式存在于scirules.in文 件中 对于子生成式的展开，SCIgen的策略相 对简单，不会自递归（乔姆斯基范式、 Chomsky Normal Form）
通用的解决方案 ·提取特征，观察其分布 。词频、词距等 。Sklearn提供了一部分文本特征 。使用Word2Vec准备意义空间的分析 ●SVMW多层SVM ·神经网络/循环冗余神经网络
通用的解决方案 提取特征，观察其分布 ◦ 词频、词距等 ◦ Sklearn提供了一部分文本特征 ◦ 使用Word2Vec准备意义空间的分析 SVM/多层SVM 神经网络/循环冗余神经网络
SVM/神经网络 。选择SVM的原因是特征空间（至少词频 空间)对于正反样本较为可分（高斯核， 甚至线性核都可以得到不错的效果) 。选择RNN(Recurrent Neural Network) 的原因为其每一次的运算都具有后效性， 可以在优秀的上下文环境中分析语义空 间。而语义空间是期望具有显著差别的
SVM/神经网络 选择SVM的原因是特征空间（至少词频 空间）对于正反样本较为可分（高斯核， 甚至线性核都可以得到不错的效果） 选择RNN（Recurrent Neural Network） 的原因为其每一次的运算都具有后效性， 可以在优秀的上下文环境中分析语义空 间。而语义空间是期望具有显著差别的
SVM/NN总结 。优点： 。能够快速适应SClgen做出的改动（更换/添 加特征向量) 解决办法通用，主要的训练学习任务交给 01 机器自己完成，较为智能 。易于分析意义空间 ·缺点： 。训练可能需要较长的时间，运行也有较高 的复杂度。通常需要GPU支持。 需要寻找大量的训练数据 需要局限于SVM/NN的模型
SVM/NN总结 优点： ◦ 能够快速适应SCIgen做出的改动（更换/添 加特征向量） ◦ 解决办法通用，主要的训练学习任务交给 机器自己完成，较为智能 ◦ 易于分析意义空间 缺点： ◦ 训练可能需要较长的时间，运行也有较高 的复杂度。通常需要GPU支持。 ◦ 需要寻找大量的训练数据 ◦ 需要局限于SVM/NN的模型