基于实体感知语法树的自然语言理解数据增强
计算与语言
2022-09-07 v1 人工智能
机器学习
摘要
理解用户意图并从其语句中识别语义实体，即自然语言理解(NLU)，是许多自然语言处理任务的上游任务。主要挑战之一是收集足够数量的标注数据以训练模型。现有的文本增强研究未充分考虑实体，因此在 NLU 任务上表现不佳。为解决此问题，我们提出一种新颖的 NLP 数据增强技术——实体感知数据增强(EADA)，其采用一种树结构，即实体感知语法树(EAST)，结合对实体的关注来表示句子。我们的 EADA 技术从少量标注数据自动构建 EAST，随后生成大量用于意图检测与槽填充的训练实例。在四个数据集上的实验结果表明，所提技术在准确率和泛化能力方面均显著优于现有数据增强方法。
引用
@article{arxiv.2209.02267,
title = {Entity Aware Syntax Tree Based Data Augmentation for Natural Language Understanding},
author = {Jiaxing Xu and Jianbin Cui and Jiangneng Li and Wenge Rong and Noboru Matsuda},
journal= {arXiv preprint arXiv:2209.02267},
year = {2022}
}