评估数据增强在低资源环境下情感分类中的有效性
机器学习
2024-06-11 v1 人工智能
计算与语言
摘要
数据增强有潜力通过增加可用的训练数据量来提高机器学习模型的性能。在本研究中，我们评估了不同数据增强技术在使用低资源数据集的多标签情感分类任务中的有效性。我们的结果表明，回译优于基于自编码器的方法，并且为每个训练实例生成多个示例进一步提高了性能。此外，我们发现回译生成了最多样化的unigram和trigram集合。这些发现证明了回译在资源有限的情况下增强情感分类模型性能的实用性。
引用
@article{arxiv.2406.05190,
title = {Evaluating the Effectiveness of Data Augmentation for Emotion Classification in Low-Resource Settings},
author = {Aashish Arora and Elsbeth Turcan},
journal= {arXiv preprint arXiv:2406.05190},
year = {2024}
}
备注
The first author contributed significantly