WADER 在 SemEval-2023 任务 9 中的表现：一种用于文本回归任务数据增强的弱标注框架
计算与语言
2023-03-07 v1 机器学习
摘要
亲密性是人际关系的基本要素，而语言是传达它的关键手段。文本亲密性分析可揭示不同语境下的社会规范，并可作为检验计算模型理解社会信息能力的基准。本文提出一种用于文本回归任务数据增强的新型弱标注策略 WADER。WADER 利用数据增强解决数据不平衡与数据稀缺问题，并为跨语言、零样本任务中的数据增强提供方法。我们使用 WADER 对最先进（State-of-the-Art）的预训练多语言语言模型进行基准测试，并分析采样技术的使用以缓解数据偏差并最优地选择增强候选。我们的结果表明，WADER 优于基线模型，并为缓解文本回归任务中的数据不平衡与稀缺提供了方向。
引用
@article{arxiv.2303.02758,
title = {WADER at SemEval-2023 Task 9: A Weak-labelling framework for Data augmentation in tExt Regression Tasks},
author = {Manan Suri and Aaryak Garg and Divya Chaudhary and Ian Gorton and Bijendra Kumar},
journal= {arXiv preprint arXiv:2303.02758},
year = {2023}
}