【Whalepaper第22期】NLP分享:MixText?拿来吧你!

299未经授权,禁止转载
算法CV半监督学习数据增强文本分类图像分类神经网络损失函数一致性损失模型融合超参数调整分类器打分
本次分享聚焦于KDD2020年的一篇论文,该论文提出了一种新颖的半监督学习方法,用于文本分类(LP)领域的数据增强。论文中提到的技术亮点包括借鉴图像分类中的数据增强方法,通过模型融合生成新的训练样本,以及结合传统LP领域的数据增强技术。这种方法不仅打通了有监督与无监督学习的信息壁垒,而且充分利用了未标注数据,提高了模型的训练效果。尽管损失函数部分存在一些疑问,但整体上,该方法在多个数据集上表现出了显著的性能提升,适合对半监督学习和数据增强技术感兴趣的研究者和技术开发者学习。
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
ad
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
讲师头像
Datawhale
Datawhale 是一个专注于数据科学与 AI 领域的开源组织,汇集了众多领域院校和知名企业的优秀学习者,聚合了一群有开源精神和探索精神的团队成员。Datawhale 以「for the learner,和学习者一起成长」为使命,鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时 Datawhale 用开源的理念去探索开源内容、开源学习和开源方案,赋能人才培养,助力人才成长,建立起人与人、人与知识、人与企业和人与未来的联结。
TA的视频
接下来播放:
自动连播