EDA Easy Data Augmentation Techniques for Boosting Performance on Text Classification Tasks
EDA: Easy Data Augmentation Techniques for Boosting Performance on Text Classification Tasks
概述
文章提出了一种文本分类任务中数据增强的方法：EDA，EDA中包括四种操作，SR、RI、 RS、RD。
实验显示，在五个通用的文本分类数据集上，使用EDA方法增强语料，模型都有一定性能上的提升。
尤其在语料不足的情况下，性能提升得越多。
EDA中的四种操作
分别是，同义词替换，随机插入，随机交换，随机删除。详细操作如下图
经过EDA方法操作后，原有句子的label还会是对的吗？
看论文的过程中，其实心中一直有一个疑问，经过EDA操作的句子，label还会是对的吗
作者在论文中回答了这一点，作者做了一个实验，用原有的训练集训练模型(未经过数据增强)，
之后在测试集中使用EDA方法，拓展测试集，将原有的测试集和拓展出的语料，喂进模型中，
发现原有测试集和拓展出的语料，最后线性层的输出，在高维空间中，距离很小。如下图所示。
作者的建议
作者给出了在实际使用EDA方法的建议，表格的左边是数据的规模 N t r a i n N_{train} Ntrain, 右边 α \alpha α是概率、比率
比如同义词替换中，替换的单词数 n = α ∗ l n=\alpha * l n=α∗l, l l l是句子长度。随机插入、随机替换类似。随机删除
的话 p = α p=\alpha p=α. n a v g n_{avg} navg代表使用EDA方法从每一个句子拓展出的句子数量。
原论文地址
github地址
冷不防
骑猪看日落
Myth丶恋晨
今天药忘吃喽~
淩亂°似流年
还没有评论，来说两句吧...