【ACL2020】Conditional Augmentation for Aspect Term Extraction via Masked Sequence-to-Sequence Generat

Conditional Augmentation for Aspect Term Extraction via Masked Sequence-to-Sequence Generation

本文提出了一种用于ATE（识别情感目标——序列标注）任务的数据增强方法
本文针对ATE任务数据缺乏的现状，提出了一种通过Masked Sequence-to-Sequence随机产生数据的数据增强方法。

增强方法概括如下：

• 目标：根据 mask 后的序列及其原始标签来重构被 mask 掉的片段，得到新序列
• 采样：按照概率p随机抽取一个样本；决定 mask 的起始位置。
• 碎片掩蔽策略（Fragment Masking Strategy）：
  • mask 连续词序列，从下标 u 到 v
  • 只 mask 标签为O的词
  • mask 碎片的长度由 r 来控制，r 是遮蔽概率
• 保持原句中标记为属性词的B/BI部分在整句中的相对位置不变
• 原句被Masked的部分，产生新词时，未必要一对一，可以一对多（Eg:原本被Masked的位置有7个 ，最后产生8个单词），也可也多对一（Eg:原本被Masked的位置有7个 ，最后产生6个单词）
• 新产生的句子，可能存在情感极性被更改的情况，但是，没有关系，只要有情感极性即可，这样才能ATE

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！