Mahmoud S. Mayaleh

数据增强提升小数据集上的情感分类效果

一篇新的arXiv论文探讨了在小数据集上提高情感分类性能的方法。该研究比较了三种数据增强技术：Easy Data Augmentation (EDA)、回译和使用nlpaug的上下文令牌替换。这些方法分别与Logistic Regression和Random Forest等传统分类器以及BERT等Transformer模型进行了测试。研究发现，所有增强策略都提高了模型性能，其中上下文增强对BERT的益处最为显著，而EDA和回译对传统模型更有效。