论文笔记（5.17，文本抗击，word）--Generating Natural Language Adversarial Examples through Probability Weighted

利用wordnet选择同义词，在同义词中选择对输出概率影响最大的最为替代词。
score的方法是首先计算每个单词的显著程度（其实就是把这个单词去掉之后看对最后分类概率的影响）综合其候选的替代词的影响程度的加权分数。排序之后依次按照显著程度递减顺序对词做替换，直到分类出错。

优点：
对原始样本改动的词数量少（PWWS本来就是一种greedy策略）
缺点：

1. 候选词只有一个
2. 候选词没有判断词性、句意、语法的改变和合理程度
3. 黑箱策略，多次query（候选词+score），还需要排序，时耗大，且攻击效果并不理想
4. 仅适用于classification(依赖分类的概率分布)，攻击样本迁移性较差

ps.看了它生成的攻击样本的example之后也觉得这样本质量太低了（换人也会错）