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”,