能否以少胜多？探索有毒评论分类中的数据增强
计算与语言
2020-07-03 v1 人工智能
信息检索
机器学习
摘要
本文探讨了机器学习中最大的局限之一：数据稀缺。具体而言，我们探索能否利用数据增强技术与机器学习算法的组合，从小型数据集构建高准确率分类器。在本文中，我们尝试了简易数据增强（EDA）与回译，以及三种流行学习算法：逻辑回归、支持向量机（SVM）和双向长短期记忆网络（Bi-LSTM）。为实验，我们使用了 Wikipedia 有毒评论数据集，以便在探索数据增强益处的同时，开发用于检测并分类评论中有毒言论的模型，从而助力打击网络霸凌与在线骚扰。最终，我们发现数据增强技术可显著提振分类器性能，是应对 NLP 问题中数据匮乏的优异策略。
引用
@article{arxiv.2007.00875,
title = {Can We Achieve More with Less? Exploring Data Augmentation for Toxic Comment Classification},
author = {Chetanya Rastogi and Nikka Mofid and Fang-I Hsiao},
journal= {arXiv preprint arXiv:2007.00875},
year = {2020}
}
备注
11 pages, 15 figures