无需任何增广数据的文本生成数据增强

数据增强是提升众多神经文本生成模型性能的有效途径。然而，当前数据增强方法需定义或选取合适的数据映射函数，将原始样本映射为增广样本。本工作中，我们推导了一个目标函数，用以形式化文本生成任务上无需任何由特定映射函数构造的增广数据的数据增强问题。我们所提目标可高效优化，并应用于文本生成任务常用损失函数，且具备收敛速率保证。在两项文本生成任务的五个数据集上的实验表明，我们的方法可逼近甚至超越流行的数据增强方法。