简单即更好！面向低资源槽填充与意图分类的轻量级数据增强
计算与语言
2020-09-09 v1
摘要
当具备相当规模的域内训练数据时，基于神经网络的模型在槽填充与意图分类上取得了优异性能。然而，由于新领域频繁增加，创建大量数据是昂贵的。我们展示了轻量级增强——一组涉及词跨度和句子级操作的增强方法——可缓解数据稀缺问题。我们在有限数据设置下的实验表明，轻量级增强在 ATIS 与 SNIPS 数据集上显著提升了槽填充性能，并相对于更复杂的最先进增强方法取得了具竞争力的表现。此外，轻量级增强与基于预训练语言模型的模型结合时同样有益，因其改进了基于 BERT 的联合意图与槽填充模型。
引用
@article{arxiv.2009.03695,
title = {Simple is Better! Lightweight Data Augmentation for Low Resource Slot Filling and Intent Classification},
author = {Samuel Louvan and Bernardo Magnini},
journal= {arXiv preprint arXiv:2009.03695},
year = {2020}
}
备注
Accepted at PACLIC 2020 - The 34th Pacific Asia Conference on Language, Information and Computation