NLP上分方法：用ChatGPT进行数据增强

ChatGPT数据增强方法

NLP数据增强是指使用各种技术和方法来扩大训练数据集，从而提高自然语言处理(NLP)模型的性能和鲁棒性。

NLP数据增强可以通过多种方式实现，这些技术可以单独或组合使用，下面展示部分常见的方法：

• 同义词替换：将原始文本中的某些单词替换为其同义词，例如将“好”替换为“优秀”。
• 随机插入：在文本中随机插入一些单词或短语，例如在句子中插入“有时候”或“通常情况下”。
• 随机删除：从文本中随机删除一些单词或短语，例如删除一些限定词或形容词。
• 随机交换：交换句子中相邻的两个单词或短语，例如将“我很喜欢吃巧克力”变成“我巧克力很喜欢吃”。
• 文本合成：使用不同的句子或段落来生成新的文本，例如将两个句子合并成一个，或将多个段落合并成一个。
• 增加噪音：向文本中添加噪音，例如添加拼写错误或词汇错误。

在ChatGPT中只需要的输入下面的Prompt就可以完成相似的功能：

• 对句子中单词进行随机同义词替换；
• 对句子中单词进行随机反义词替换；
• 对句子中单词进行随机同音词替换；
• 对句子中单词进行随机错别字替换；
• 对句子中单词进行随机位置交换；
• 生成和下面句子含义相似的句子；
• 对句子先翻译为英文，然后返回为德语，然后翻译为中文；

使用时Prpmpt需要注意：

• 需要变换的方法
• 变换为维度（字还是单词）
• 变换的次数（产生句子的个数）

ChatGPT数据增强案例

文本生成

输入ChatGPT内容：

对每个句子进行改写，输出2份和他含义相近的。

1. 还有双鸭山到淮阴的汽车票吗13号的
2. 随便播放一首专辑阁楼里的佛里的歌
3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

1.

请问13号是否还有从双鸭山到淮阴的汽车票？

有没有13号从双鸭山到淮阴的汽车票？

2.

随便放一首阁楼里的佛里专辑里的歌曲。

播放阁楼里的佛里专辑中的一首歌曲。

3.

帮我找一下S686在团队竞技中挑战的游戏视频。

我想观看S686在团队竞技中挑战的游戏视频。

回译

输入ChatGPT内容：

对下面的每个句子进行翻译为英文，然后翻译为德语，然后翻译为中文。

1. 还有双鸭山到淮阴的汽车票吗13号的

2. 随便播放一首专辑阁楼里的佛里的歌

3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

英文：Is there still a bus ticket from Shuangyashan to Huaiyin on the 13th?

德语：Ist noch ein Busticket von Shuangyashan nach Huaiyin am 13. verfügbar?

中文：还有从双鸭山到淮阴的巴士票吗，日期是13号的？

英文：Play a random song by Buddha in the album Attic.

德语：Spiel ein zufälliges Lied von Buddha im Album Attic ab.

中文：随机播放《阁楼》专辑里的佛里的歌曲。

英文：I want to watch a game video of playing two s686s in Mutation Team Battle.

德语：Ich möchte ein Spielvideo sehen, in dem zwei s686 in Mutation Team Battle gespielt werden.

中文：我想观看在《绝地求生》突变团队竞技模式中使用两把S686进行挑战的游戏视频。

同义词替换

输入ChatGPT内容：

对下面的每个句子中的单词进行同义词替换，分别替换生成3个句子。

1. 还有双鸭山到淮阴的汽车票吗13号的

2. 随便播放一首专辑阁楼里的佛里的歌

3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

1.

还有双鸭山到淮阴的巴士票吗13号的

还有双鸭山到淮阴的交通票吗13号的

2.
随便播放一首专辑阁楼里的佛里的音乐
随便播放一首专辑阁楼里的佛里的曲子

3.
我想看挑战两把s686打突变团竞的游戏影片
我想看挑战两把s686打突变团竞的游戏录像

随机删除

输入ChatGPT内容：

对下面的每个句子中的单词进行随机删除，分别生成2个句子。

1. 还有双鸭山到淮阴的汽车票吗13号的
2. 随便播放一首专辑阁楼里的佛里的歌
3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

1.
还有淮阴的汽车票吗13号的
还有到淮阴的汽车票吗13号的

2.
随便播放一首专辑佛里的歌
随便播放阁楼里的佛里的歌

3.
我想看两把s686打突变竞的游戏视频
我想看挑战s686打团竞的游戏视频

随机插入

输入ChatGPT内容：

对下面的每个句子中的随机添加一些单词，分别生成2个句子。

1. 还有双鸭山到淮阴的汽车票吗13号的
2. 随便播放一首专辑阁楼里的佛里的歌
3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

1.
还有双鸭山到淮阴的绿色的便宜的汽车票吗13号的吗？
还有双鸭山到淮阴的汽车站的窗口买13号的票可以吗？

2.
随便播放一首专辑阁楼里的佛里的经典老歌吧。
可以在阁楼里专辑里随意挑选一首佛里的歌曲播放。

3.
我想看挑战两把s686打突变团竞的游戏视频，请给我找一些最好的。
你能给我推荐一些s686在突变团竞中的挑战视频吗？

随机交换

输入ChatGPT内容：

对下面的每个句子中的单词进行随机交换，分别生成2个句子。

1. 还有双鸭山到淮阴的汽车票吗13号的
2. 随便播放一首专辑阁楼里的佛里的歌
3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

1. 
汽车票的双鸭山还有到淮阴13号吗？
淮阴到双鸭山还有13号的汽车票吗？

2.
随便里播放阁一首专辑佛楼的歌
一首随便播放阁楼里的佛专辑的歌

3.
两把s686打挑战想我看突变团竞的游戏视频
突变团竞的游戏视频我想看挑战两把s686打

错别字替换

输入ChatGPT内容：

对下面的每个句子中的字进行替换为错别字，分别生成2个句子。

1. 还有双鸭山到淮阴的汽车票吗13号的
2. 随便播放一首专辑阁楼里的佛里的歌
3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

1.
还有双鸭衫到淮阴的汽车票吗13号的
还有双鸭山到淮阴的汽车飘吗13号的

2.
随便剖开一首专辑阁楼里的佛里的歌
随便波动一首专辑阁楼里的佛里的歌

3.
我想看挑战两把s686打突遍团竞的游戏视频
我想看挑战两把s686打突变团警的游戏视频

同音词替换

输入ChatGPT内容：

对下面的每个句子中单词随机替换为同音词，分别生成2个句子。

1. 还有双鸭山到淮阴的汽车票吗13号的
2. 随便播放一首专辑阁楼里的佛里的歌
3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

1.
还有数鸭山道淮阴的汽车票吗13号的
还有双雅闪达淮音的汽车票吗13号的

2.
随便播放一首专辑阁楼里的佛里的歌
随便播放一首专辑隔楼里的佛理的狗

3.
我想看挑战两把S686打突变团竞的游戏视频
我想看挑战两把S686打图变团精的游戏视频

反义词替换

输入ChatGPT内容：

对下面的每个句子中单词随机替换为反义词，分别生成2个句子。

1. 还有双鸭山到淮阴的汽车票吗13号的
2. 随便播放一首专辑阁楼里的佛里的歌
3. 我想看挑战两把s686打突变团竞的游戏视频

ChatGPT输出结果：

1.
还有深圳到上海的航班票吗3号的
没有长春到南京的高铁票吗12号的

2.
随便静音一张单曲酒馆内的死寂的诗
随便跳舞一首专辑森林里的飞蛾扑火的歌

3.
我想玩坚持一把p92打突变模式的游戏视频
我不想看放弃两把akm打团队模式的游戏视频

使用注意事项

通过多次实验我们发现，ChatGPT并不擅长进行复杂或者组合的数据增强，否则生成的效果比较差。

对于每种增强方法，ChatGPT输出的速度也存在明显差异。比如插入同义词或反义词比较慢，但随机单词替换比较快。

ChatGPT本质还是GPT网络，擅长生成文本。因此使用ChatGPT生成相似的句子，可以为分类模型增加精度。

https://arxiv.org/pdf/2302.13007.pdf