【NLP】工业界常用的NLP数据增强方法都在这了，你都会了吗

目录

1 EDA

1.1 具体方法

1.2 EDA 参数选择

1.3 EDA 的缺点

2 回译

3 拼接

---

1 EDA

EDA 使用传统的文本数据增强方法，可以在文本数据集小的情况下提升文本分类的性能。 出自论文《EDA: Easy Data Augmentation Techniques for Boosting Performance onText Classification Tasks》

1.1 具体方法

EDA 主要有三个参数：n (表示一个句子修改多少个单词)，α (修改句子中多少比例的单词)，n_aug (一个句子生成多少个新句子)。

论文中把 n 设置为 α×L，L 为句子长度，即句子越长可以修改的单词越多。

EDA 主要采用了四种操作进行数据增强：

(1) 同义词替换(Synonyms Replace SR)：随机从句子中抽取 n 个词 (抽取时不包括停用词)，然后随机找出抽取这些词的同义词，用同义词将原词替换。例如将句子 "我比较喜欢猫" 替换成 "我有点喜好猫"。通过同义词替换后句子大概率还是会有相同的标签的。

(2) 随机插入(Randomly Insert RI)：随机从句子中抽取 1 个词 (抽取时不包括停用词)，然后随机选择一个该词的同义词，插入原来句子中的随机位置，重复这一过程 n 次。例如将句子 "我比较喜欢猫" 改为 "我比较喜欢猫有点"。

(3) 随机交换(Randomly Swap