Eda NLP

Nous présentons EDA : des techniques d'augmentation de données faciles pour améliorer les performances sur les tâches de classification de texte. EDA se compose de quatre opérations simples mais efficaces : remplacement de synonymes, insertion aléatoire, échange aléatoire et suppression aléatoire. Sur cinq tâches de classification de texte, nous montrons qu'EDA améliore les performances tant pour les réseaux de neurones convolutionnels que pour les réseaux de neurones récurrents. EDA démontre des résultats particulièrement solides pour les ensembles de données plus petits ; en moyenne, en utilisant EDA tout en n'utilisant que 50 % de l'ensemble d'entraînement disponible, nous avons atteint la même précision que l'entraînement normal avec toutes les données disponibles. Nous avons également réalisé des études d'ablation approfondies et suggérons des paramètres pour une utilisation pratique.