面向神经在线聊天回复选择的数据增强
计算与语言
2018-09-05 v1
摘要
数据增强旨在操纵可用的训练数据以提升模型的泛化能力。我们针对多种模型在多个数据集（含中英文）上的神经对话回复选择任务，研究了两种数据增强代理方法：置换与翻转。不同于标准数据增强技术，我们的方法将原始数据与合成数据结合用于预测。实证结果表明，在完整规模与小规模设置下，我们的方法相较基线模型可在召回率@1 上获得 1 至 3 个点的提升。
引用
@article{arxiv.1809.00428,
title = {Data Augmentation for Neural Online Chat Response Selection},
author = {Wenchao Du and Alan W Black},
journal= {arXiv preprint arXiv:1809.00428},
year = {2018}
}
备注
EMNLP 2018 Workshop