EMNLPAug, 2021

AEDA: 文本分类更易用的数据增强技术

PDF
TL;DR本文提出了一种名为 AEDA 的数据增强技术，通过在原始文本中随机插入标点符号来改善文本分类任务的性能，相比于 EDA 方法，AEDA 更易于实现，而且在句子中改变单词位置时保留词序，从而导致更好的泛化性能。实验结果表明，在使用 AEDA 增强数据训练的情况下，该模型在五个数据集中表现出优异的性能。
发现论文，激发创造
  • EDA: 文本分类性能提升的易用数据增强技术

    提出 EDA 方法来增强文本分类任务的性能，包括四种简单但强大的数据增强操作：同义词替换、随机插入、随机交换和随机删除，在五个文本分类任务中，展示了 EDA 对于卷积神经网络和循环神经网络性能提升的效果。EDA 特别适用于小型数据集。使用 EDA 方法在 50％可用的训练集上训练时，平均而言可以达到使用全部数据正常训练的准确性水平。此外，还进行了大量消融研究，并提供了实际使用的参数建议。

    Jan, 2019

  • 低资源语言的分布式数据增强方法

    通过提出易分布数据增强（EDDA）和类型特定的相似词替换（TSSR）两种扩展方法，利用语义词上下文信息和词性标签进行词替换和增强，我们展示了这些方法在低资源语言的两个代表数据集上通过 F1 分数度量的实用性，证明了增强数据可以在低资源环境中提高分类性能。

    Sep, 2023

  • EnTDA: 基于实体到文本的数据增强方法，用于命名实体识别任务

    提出了一种名为 EnTDA 的数据增强方法，通过添加、删除、替换和交换实体来打破实体间的依赖关系，并采用多样性 beam search 策略增加数据的多样性，以提高在 13 个 NER 数据集上的表现。

    Oct, 2022

  • 数据增强已死，数据增强万岁

    在这篇论文中，我们挑战了传统数据增强方法的有效性，并表明经过更多时间的微调可以抵消数据增强的效果。我们还展示了零和少量数据生成方法通过对话代理（如 ChatGPT 或 LLama2）可以提高性能，从而总结出这种形式的数据增强仍然有效，即使传统方法不起作用。

    Feb, 2024

  • 基于实体感知语法树的数据增强方法用于自然语言理解

    本文提出了一种新的自然语言处理数据增强技术，称为 “实体感知数据增强（EADA）”，它通过应用实体感知语法树（EAST）来生成大量的训练实例，从而用于意图检测和槽填充，实验证明该技术在精度和泛化能力方面均优于现有的数据增强方法。

    Sep, 2022

  • EPiDA：一个易于插件化的数据增强框架，用于高性能文本分类

    本文提出了一种易于使用的、支持有效文本分类的数据增强框架 EPiDA，它利用相对熵极大化和条件熵最小化来控制数据生成，其中相对熵用于增强数据的多样性，而条件熵则用于确保其语义一致性。实验结果表明，EPiDA 在大多数情况下优于现有的最先进方法，并且适用于各种数据增强算法和分类模型。

    Apr, 2022

  • 小型不平衡文本数据情感检测的数据增强

    情感识别在文本中，识别诸如喜悦或愤怒之类的情感，是 NLP 中的一个具有挑战性的问题，其中一个挑战是缺乏已注释有情感的可用数据集。本研究研究了数据增强技术对小规模不平衡数据集的影响，并且证实使用增强数据训练分类器模型可以显著改进情感识别性能。

    Oct, 2023

  • EDDA：一种用于零样本立场检测的编码器 - 解码器数据增强框架

    我们提出了一种基于编码器 - 解码器的数据增强框架，通过逻辑关系以及语义相关性的词替换策略，增加了语义相关性和句法多样性，并使得数据在进行神经网络训练时变得可解释。在基准数据集上的实验表明，我们的方法在零样本情况下的立场检测明显优于现有技术。

    Mar, 2024

  • 命名实体识别简单数据增强分析

    本研究针对基于标记序列的命名实体识别任务，设计并比较了数据增强技术的效果。通过在生物医学和材料科学领域的两个数据集（i2b2-2010 和 MaSciP）上进行实验，我们表明简单的增强技术可以提高循环模型和基于 Transformer 模型的性能，尤其是对于小训练集的情况。

    Oct, 2020

  • 文本分类数据增强调查

    本文旨在提高机器学习分类系统的泛化能力，通过对数据进行转换的方式来人工创建训练数据，从而增强数据的多样性，该文章就在「文本分类」中，对数据增强方法及其应用目标做了详细概述与分类，最终针对相关领域，提出建设性思路方向。

    Jul, 2021