来源：期刊VIP网 时间：
作者：张军;况泽;李钰彬;
单位：东华理工大学信息工程学院;
摘要：在文本分类任务中，数据的质量和数量对分类模型的性能有着重要影响，而在现实场景中获取大规模标记数据往往是昂贵和困难的。数据增强作为一种解决数据匮乏问题的低成本方法，已在各种深度学习和机器学习任务中取得了显著效果。由于文本语言具有离散性，在语义保留的条件下进行数据增强具有一定困难。因此，提出基于语义上下文感知的数据增强方法，采用由WordNet 3.0中的词义定义（Gloss）和预训练模型BERT进行整合的Gloss选择模型，进一步识别上下文中目标词（尤其是多义词）的实际词义；然后根据下一个句子预测策略，将目标词的实际词义与被遮盖目标词的句子结合为一个句子对，使用掩码语言模型对句子对进行预测采样；最后计算语义文本相似度，并在三个基准分类数据集上对文中方法进行验证。实验结果表明，提出的方法在语义保留条件下，与选取的基线数据增强方法相比，在三个数据集的平均准确率指标上都有所提升，证明了文中方法的有效性。
关键词：人工智能;;自然语言处理;;文本分类;;数据增强;;Gloss;;低资源
基金资助：国家自然科学基金资助项目（62162002）;国家自然科学基金资助项目（61662002）;; 江西省自然科学基金资助项目（20212BAB202002）
