AEDA: An Easier Data Augmentation Technique for Text Classification

论文地址：AEDA: An Easier Data Augmentation Technique for Text Classification

论文阅读

论文介绍

本文提出了AEDA（一种更简单的数据增强）技术来帮助提高文本分类任务的性能。为了构建性能良好的文本分类器，训练数据需要足够大，以便模型能够泛化到看不见的数据。简而言之就是对于文本分类任务来说，在句子中插入一些标点符号是最强的数据扩增方法。

AEDA Augmentation

插入标点符号的个数为，从序列1到三分之一中随机选择一个数字表示为执行插入的次数。然后，序列中的位置也被随机指定，与前面步骤中选择的数字相同。最后，对于每个选择的位置，从{“.”, “;”, “?”, “:”, “!”, “,”}中的六个标点符号中随机抽取一个标点符号。
扩充例子如下：

原论文做了大量文本分类任务的实验，并且与 EDA 方法进行了比较，首先看下面一组图，作者在 5 个数据集上进行了对比（模型为 RNN）

在 BERT 上的效果如下表所示，

总结和未来工作

本文提出了一种简单的文本分类任务的数据增强技术。未来的工作将集中于开发所提出的方法，即哪些标点符号可以产生更大的影响，哪些可以添加或丢弃哪些，以及有多少标点符号可以用来获得更好的性能。此外，还将研究标点符号是否应该随机插入或某些位置更有效的问题。