EPiDA：一种用于高性能文本分类的易插拔数据增强框架
计算与语言
2022-04-26 v1
摘要
近期工作已在经验上展示了数据增强（DA）在 NLP 任务中的有效性，尤其是那些受数据稀缺困扰的任务。直观上，给定生成数据的数量，其多样性和质量对目标任务的性能至关重要。然而，据我们所知，现有多数方法仅考虑增强数据的多样性或质量之一，因而无法充分挖掘 DA 在 NLP 中的潜力。本文中，我们提出一个简易且可插拔的数据增强框架 EPiDA 以支持有效的文本分类。EPiDA 采用两种机制：相对熵最大化（REM）和条件熵最小化（CEM）来控制数据生成，其中 REM 用于增强增强数据的多样性，而 CEM 用于保证其语义一致性。EPiDA 能够支持高效且连续的数据生成以训练有效分类器。大量实验表明，尽管未使用任何智能体网络或预训练生成网络，EPiDA 在大多数情况下优于现有 SOTA 方法，并且它能与多种 DA 算法和分类模型良好协作。代码见 https://github.com/zhaominyiz/EPiDA。
引用
@article{arxiv.2204.11205,
title = {EPiDA: An Easy Plug-in Data Augmentation Framework for High Performance Text Classification},
author = {Minyi Zhao and Lu Zhang and Yi Xu and Jiandong Ding and Jihong Guan and Shuigeng Zhou},
journal= {arXiv preprint arXiv:2204.11205},
year = {2022}
}
备注
Accepted by NAACL2022