[中文语音识别后文本加标点] 文本数据增强方法

数据增强技术在很多领域应用广泛，例如：在图像领域中有：旋转、反转、噪声、mixup、cutmix等等；在语音识别领域有：语音信号添加随机背景噪声、语谱图随机mask等等......

 

在文本领域也有很多方法：其中 ICLR 2019 workshop论文《EDA: Easy Data Augmentation Techniques for Boosting Performance on Text Classification Tasks》介绍了几种NLP数据增强技术。

代码可以看这里：https://github.com/jasonwei20/eda_nlp/blob/master/code/eda.py

其中包括：

（1）同义词替换：不考虑stopwords，在句子中随机抽取n个词，然后从同义词词典中随机抽取同义词，并进行替换。

样例： “我非常喜欢这部电影” —> “我非常喜欢这个影片”，