Aug, 2021
FlipDA: 有效稳健的数据增强技术,用于少样本学习
FlipDA: Effective and Robust Data Augmentation for Few-Shot Learning
Jing Zhou, Yanan Zheng, Jie Tang, Jian Li, Zhilin Yang
TL;DR本研究探索在硬任务(即少样本自然语言理解)和强基线(即超过 10 亿参数的预训练模型)上进行数据增强。通过生成模型和分类器共同生成标签翻转数据的新方法 FlipDA,该方法能够提高任务的有效性和稳健性。