English(EN) Structure-Preserving Document-Level Data Augmentation via Discourse Parsing

新的NLP数据增强方法可保持话语结构

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员开发了一种新颖的自然语言处理（NLP）数据增强框架，该框架可保持文档级话语结构。该方法利用大型语言模型和话语解析来识别句子之间的修辞关系，从而能够用语义连贯但主题略有不同的内容替换关键短语。在文本摘要和问答任务上的实验表明，增强后的数据提供了有价值的补充监督，与现有数据结合使用时可提高训练性能。 AI

影响通过改进数据增强技术，增强了低资源环境下NLP模型的性能。

排序理由该条目是一篇学术论文，详细介绍了一种用于NLP的新数据增强方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇学术论文，详细介绍了一种用于NLP的新数据增强方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Ruilin Shang, Shilong Hou, Zi Long, Xianghua Fu · 2026-10-15 04:00

通过话语解析实现结构保持的文档级数据增强

arXiv:2610.19497v1 Announce Type: new Abstract: Data augmentation (DA) plays a vital role in improving model performance in low-resource or limited-supervision scenarios within Natural Language Processing (NLP). Existing DA methods, such as synonym replacement and back-translatio…

本文如何被排名

报道来源 [1]

通过话语解析实现结构保持的文档级数据增强

相关实体

相关话题