PCC：基于 Bottom-k 采样与循环学习的课程数据增强复述方法

课程数据增强（CDA）通过由易到难地呈现合成数据来改进神经模型。然而，传统 CDA 简单地将词扰动比例作为难度度量，并且仅单次遍历课程。本文提出 \textbf{PCC}：基于 Bottom-k 采样与循环学习的课程数据增强 \textbf{P}araphrasing with \textbf{B}ottom-k Sampling and \textbf{C}yclic Learning for \textbf{C}urriculum Data Augmentation，一种通过复述的新型 CDA 框架，其利用文本复述相似度作为课程难度度量。我们提出一个由三个单元组成的课程感知复述生成模块：带 bottom-k 采样的复述候选生成器、过滤机制和难度度量。我们还提出一种多次遍历课程的循环学习策略。bottom-k 采样用于为后续课程生成超难样本。在少样本文本分类以及对话生成上的实验结果表明，PCC 超越了具有竞争力的基线。人工评估与大量案例分析表明，bottom-k 采样能有效生成超难样本，且 PCC 显著改进了基线对话智能体。