nlp data augmentation

NLP数据增强

纸

• 无监督的数据增强
• 无监督的问题通过披肩翻译回答
• 将特定于任务的知识从BERT蒸馏到简单的神经网络
• 预验证的变压器的任务不合时宜的数据增加有效？
• 是吗啡的时间！用拐点扰动打击语言歧视

概述

• NLP中数据增强的视觉调查
• NLP的任务无关数据增强
• 强大的，公正的自然语言处理PDF

方法

• 一般的
  • 随机插入，删除，单词，句子随机改组
• 用同义词替换单词
• 替换同一标签的dicitionary的单词
  • ner
• 扰动（字母，单词或句子级别）
  • Noisemix
• 语言模型
  • 上下文增强
• 背面翻译
  • 机器traslation
• 往返翻译
  • 解释
  • 低资源平行库
  • 中文文本纠错任务
• 利用外部数据
  • 使用源自Wikipedia的外部数据。将Wikipedia文章与任意输入文本联系起来。这个想法是，如果输入文本在Wikipedia上，它将具有其他Wikipedia文章的链接（这些文章与语义相关并提供其他信息）。
    • 将输入文本分为n-gram
    • 检查每个n-gram是否作为Wikipedia文章存在以创建一组“候选链接”
    • 通过计算输入文本的相似性和每个候选人的摘要来修剪候选链接
• 会话系统
  • 喷泉
• 阅读理解
  • 实体更换和排列
  • 根据POS标签产生强大的负面因素

图书馆

• TextAttack
• Nlaug