文本数据增强方法

  在人工智能领域中，最核心的莫过于算法、数据和算力。随着科技的发展，算力日益增长、算法日益智能，高质量的数据成为了阻碍AI发展的一大瓶颈。
  在计算机视觉领域中，数据增强的方法较为常用，例如通过图像缩放、图像裁剪、mixup等数据增强的方法可以有效的提高任务的准确率。随着技术的发展，在自然语言处理领域中也产生了一些有效的数据增强算法，例如EDA(Easy Data Augmentation)、回译、文本生成等。在NLP比赛中，比较简单但却有效的方法主要是EDA和回译。

1. EDA

  EDA指的是简单数据增强，包括了同义词替换、随机插入、随机删除、随机交换。其中同义词替换指的是从句子中随机选取一定比例的词(不属于停用词的，下同)，使用同义词来替换它们；随机插入指的是从句子中随机选取词，然后得到该词的同义词，并将同义词插入句子的一个随机位置，将上述操作重复进行若干次；随机删除指的是在随机选择句子中一定比例的单词进行删除；随机交换指的是在句中随机选择两个不同位置的单词，并将其进行交换，将上述操作重复进行若干次。为了更好的进行理解，通过实例来进行说明，原始句子为：带着无限同情偷转导师日志：学生的一篇论文近六万字，整整看了两天。
  同义词替换：带着无限同情偷转导师日志：学生