多任务视角下的文本增强
计算与语言
2021-01-15 v1
摘要
传统数据增强旨在以在线方式生成与原始样本高度相似的增强样本，从而增加输入分布的覆盖范围，其中增强样本在训练中占主导。在本文中，我们提出一种替代视角——数据增强的多任务视角（MTV），其中主任务在原始样本上训练，辅助任务在增强样本上训练。在 MTV 数据增强中，原始与增强样本在训练时均被实质性地加权，放宽了增强样本必须类似于原始数据的约束，从而使我们能够应用更强程度的增强。在使用三种基准文本分类数据集上的四种常见数据增强技术的实证实验中，我们发现 MTV 比传统增强带来了更高且更鲁棒的性能提升。
引用
@article{arxiv.2101.05469,
title = {Text Augmentation in a Multi-Task View},
author = {Jason Wei and Chengyu Huang and Shiqi Xu and Soroush Vosoughi},
journal= {arXiv preprint arXiv:2101.05469},
year = {2021}
}
备注
Accepted to EACL 2021