意图分类的数据增强

训练准确的意图分类器需要标注数据，而获取这些数据可能代价高昂。数据增强方法或可缓解此问题，但所生成数据的质量在不同技术间差异显著。我们研究了在给定小型种子集的情况下，使用多种数据增强技术（包括技术混合）系统性地生成伪标注数据的过程。我们发现，尽管某些方法显著提升了定性与定量性能，其他方法的影响极小甚至为负。我们还分析了在生产环境中实施数据增强方法时的关键考量。