READ：基于强化学习的对抗学习用于有限标注数据的文本分类
计算与语言
2025-01-15 v1 人工智能
摘要
预训练 Transformer 模型如 BERT 在许多文本分类任务中取得了巨大进步。然而，这些模型通常需要大量标注数据才能达到令人印象深刻的性能。获取标注数据通常昂贵且耗时，而使用某些启发式方法收集未标注数据对于任何任务来说都相对便宜得多。因此，本文提出一种方法，以新颖的方式封装基于强化学习的文本生成和半监督对抗学习方法，以提高模型性能。我们的方法 READ（基于强化的对抗学习）利用未标注数据集通过强化学习生成多样化的合成文本，通过对抗学习提高模型的泛化能力。实验结果表明，READ 在多个数据集上优于现有最先进方法。
引用
@article{arxiv.2501.08035,
title = {READ: Reinforcement-based Adversarial Learning for Text Classification with Limited Labeled Data},
author = {Rohit Sharma and Shanu Kumar and Avinash Kumar},
journal= {arXiv preprint arXiv:2501.08035},
year = {2025}
}