SoftEDA: Rethinking Rule-Based Data Augmentation with Soft Labels
计算与语言
2024-02-09 v1 人工智能
摘要
基于规则的文本数据增强因其简单性广泛应用于 NLP 任务，但可能损伤文本的原始含义，从而损害模型性能。为克服这一局限性，我们提出了一种应用于增强数据的软标签技术。我们在七个不同的分类任务上进行实验，并经验性地证明了我们所提出方法的有效性。我们已公开源代码以便可重复性。
引用
@article{arxiv.2402.05591,
title = {SoftEDA: Rethinking Rule-Based Data Augmentation with Soft Labels},
author = {Juhwan Choi and Kyohoon Jin and Junho Lee and Sangmin Song and Youngbin Kim},
journal= {arXiv preprint arXiv:2402.05591},
year = {2024}
}
备注
ICLR 2023 Tiny Papers