面向文本感知推荐系统的对抗性文本改写
原文中文，约300字，阅读约需1分钟。发表于：。文本感知推荐系统对丰富的文本特征进行整合，以生成用户的物品推荐。然而，我们认为依赖物品描述使得推荐系统易受电子商务平台上的恶意卖家操控，因此可能存在安全隐患。本文通过提出一种新的文本重写框架来探索该潜在操控问题，并表明该重写攻击可以被卖家用来提升产品的排名，即使经过对抗性重写的描述在人工评估中被认为是真实的。实验结果在三个数据集和四种现有方法上展示了推荐系统对文本重写攻击的脆弱性，增加了现有...
研究发现依赖物品描述的推荐系统容易受到恶意卖家的攻击，提出了一种新的文本重写框架来揭示攻击方式。实验证明推荐系统对文本重写攻击的脆弱性，增加了对鲁棒性的认识，并揭示了自动文本生成的潜在攻击漏洞。
