【NLP】自然语言处理中的数据增强

自然语言处理中的数据增强

  在实际的生产场景下，数据的稀缺性是一种常见的现象，因此如何进行数据增强或者是小样本学习是十分关键的技术。数据增强(DA)在机器学习领域多指采用一些方法（比如数据蒸馏，正负样本均衡等）来提高模型数据集的质量，增强数据。
  最开始的数据增强在计算机视觉中得到了广泛的应用，然后被引入到自然语言处理中，并在许多任务中取得了改进。DA方法的重点之一是提高训练数据的多样性，从而帮助模型更好地泛化到未见测试数据。

哈工大提出了最新的《自然语言处理数据增强方法》综述论文，155页pdf阐述复述、噪声和抽样三大数据增强方法。在本研究中，我们根据扩充数据的多样性，将数据增强方法分为三大类，即1复述、2噪声和3抽样。本文从以上几个方面对数据挖掘方法进行了详细的分析。此外，我们还介绍了它们在自然语言处理任务中的应用以及面临的挑战。

论文：Data Augmentation Approaches in Natural Language Processing: A Survey
地址：https://arxiv.org/abs/2110.01852

综述论文解读：哈工大最新《自然语言处理数据增强方法》综述论文，155页pdf阐述复述、噪声和抽样三大数据增强方法

李rumor 公众号：哈工大｜NLP数据增强方法？我有15种