重新审视标签平滑在增强文本情感分类中的作用

标签平滑是一种广泛应用于文本分类、图像分类和语音识别等多个领域的技术，以其有效对抗模型过拟合而闻名。然而，关于标签平滑如何增强文本情感分类的细粒度分析却很少。为填补这一空白，本文在八个文本情感分类数据集和三种深度学习架构（TextCNN、BERT和RoBERTa）上，采用从头训练和微调两种学习方案，进行了一系列深入分析。通过调整平滑参数，我们几乎在所有数据集上都能为每种模型架构实现性能提升。我们进一步研究了标签平滑的益处，发现标签平滑可以加速深度模型的收敛，并使不同标签的样本更易于区分。