自然语言处理中的数据增强方法：综述
计算与语言
2022-06-28 v3 人工智能
机器学习
摘要
作为一种有效策略，数据增强（DA）缓解了深度学习技术可能失效的数据稀缺场景。它广泛应用于计算机视觉，随后被引入自然语言处理，并在许多任务中取得改进。DA方法的主要关注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的测试数据。在本综述中，我们根据增强数据的多样性将DA方法划分为三类，包括复述、加噪和采样。本文旨在根据上述类别详细分析DA方法。此外，我们还介绍了它们在NLP任务中的应用以及面临的挑战。附录中提供了一些有用的资源。
引用
@article{arxiv.2110.01852,
title = {Data Augmentation Approaches in Natural Language Processing: A Survey},
author = {Bohan Li and Yutai Hou and Wanxiang Che},
journal= {arXiv preprint arXiv:2110.01852},
year = {2022}
}
备注
accepted by AI Open (2022) at https://www.sciencedirect.com/science/article/pii/S2666651022000080 ; 55 pages, 12 figures, 3 tables