DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks 论文解读
文章提出的DAGA是一种适配于NER的数据增强方法,来自阿里达摩院
1. 核心思想
DAGA的思想简单来讲就是标签线性化:即将原始的**「序列标注标签」与「句子token」进行混合,也就是变成「Tag-Word」**的形式,如下图:将「B-PER」放置在「Jose」之前,将「E-PER」放置在「Valentin」之前;对于标签「O」则不与句子混合。标签线性化后就可以生成一个句子了,文章基于此句子就可以进行「语言模型生成」了。
假设我们在相应的词之前(在句子线性化期间)插入标签来训练 RNNLM,在给定“I
原创
2021-11-01 16:02:44 ·
682 阅读 ·
0 评论