NLP数据加强方法总结：EDA、BT、MixMatch、UDA

1. 数据加强的背景和应用场景 随着AI技术的逐步发展，更好的神经网络模型对数据规模的要求也逐步提高。而在分类任务中，若不一样类别数据量相差很大，模型则会出现过拟合现象，严重影响预测的正确性。python 从广义上来说，有监督模型的效果相对半监督或无监督学习都是领先的。可是有监督模型须要获取大量的标注数据，当数据需求达到十万、百万甚至更多时，人工标注数据昂贵的代价已经让不少人望而却步。nginx

>>阅读原文<<