NLP上分方法：用ChatGPT進行數據增強

ChatGPT數據增強方法

NLP數據增強是指使用各種技術和方法來擴大訓練數據集，從(cong) 而提高自然語言處理(NLP)模型的性能和魯棒性。

NLP數據增強可以通過多種方式實現，這些技術可以單獨或組合使用，下麵展示部分常見的方法：

• 同義詞替換：將原始文本中的某些單詞替換為其同義詞，例如將“好”替換為“優秀”。
• 隨機插入：在文本中隨機插入一些單詞或短語，例如在句子中插入“有時候”或“通常情況下”。
• 隨機刪除：從文本中隨機刪除一些單詞或短語，例如刪除一些限定詞或形容詞。
• 隨機交換：交換句子中相鄰的兩個單詞或短語，例如將“我很喜歡吃巧克力”變成“我巧克力很喜歡吃”。
• 文本合成：使用不同的句子或段落來生成新的文本，例如將兩個句子合並成一個，或將多個段落合並成一個。
• 增加噪音：向文本中添加噪音，例如添加拚寫錯誤或詞匯錯誤。

在ChatGPT中隻需要的輸入下麵的Prompt就可以完成相似的功能：

• 對句子中單詞進行隨機同義詞替換；
• 對句子中單詞進行隨機反義詞替換；
• 對句子中單詞進行隨機同音詞替換；
• 對句子中單詞進行隨機錯別字替換；
• 對句子中單詞進行隨機位置交換；
• 生成和下麵句子含義相似的句子；
• 對句子先翻譯為英文，然後返回為德語，然後翻譯為中文；

使用時Prpmpt需要注意：

• 需要變換的方法
• 變換為維度（字還是單詞）
• 變換的次數（產生句子的個數）

ChatGPT數據增強案例

文本生成

輸入ChatGPT內(nei) 容：

對每個(ge) 句子進行改寫(xie) ，輸出2份和他含義(yi) 相近的。

1. 還有雙鴨山到淮陰的汽車票嗎13號的
2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌
3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

1.請問13號是否還有從(cong) 雙鴨山到淮陰的汽車票？有沒有13號從(cong) 雙鴨山到淮陰的汽車票？

2.

隨便放一首閣樓裏的佛裏專(zhuan) 輯裏的歌曲。

播放閣樓裏的佛裏專(zhuan) 輯中的一首歌曲。

3.

幫我找一下S686在團隊競技中挑戰的遊戲視頻。

我想觀看S686在團隊競技中挑戰的遊戲視頻。

回譯

輸入ChatGPT內(nei) 容：

對下麵的每個(ge) 句子進行翻譯為(wei) 英文，然後翻譯為(wei) 德語，然後翻譯為(wei) 中文。

1. 還有雙鴨山到淮陰的汽車票嗎13號的

2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌

3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

英文：Is there still a bus ticket from Shuangyashan to Huaiyin on the 13th?德語：Ist noch ein Busticket von Shuangyashan nach Huaiyin am 13. verfügbar?中文：還有從(cong) 雙鴨山到淮陰的巴士票嗎，日期是13號的？

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

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

中文：隨機播放《閣樓》專(zhuan) 輯裏的佛裏的歌曲。

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

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

中文：我想觀看在《絕地求生》突變團隊競技模式中使用兩(liang) 把S686進行挑戰的遊戲視頻。

同義詞替換

輸入ChatGPT內(nei) 容：

對下麵的每個(ge) 句子中的單詞進行同義(yi) 詞替換，分別替換生成3個(ge) 句子。

1. 還有雙鴨山到淮陰的汽車票嗎13號的

2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌

3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

1.還有雙鴨山到淮陰的巴士票嗎13號的還有雙鴨山到淮陰的交通票嗎13號的

2.
隨便播放一首專(zhuan) 輯閣樓裏的佛裏的音樂(le)
隨便播放一首專(zhuan) 輯閣樓裏的佛裏的曲子

3.
我想看挑戰兩(liang) 把s686打突變團競的遊戲影片
我想看挑戰兩(liang) 把s686打突變團競的遊戲錄像

隨機刪除

輸入ChatGPT內(nei) 容：

對下麵的每個(ge) 句子中的單詞進行隨機刪除，分別生成2個(ge) 句子。

1. 還有雙鴨山到淮陰的汽車票嗎13號的
2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌
3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

1. 還有淮陰的汽車票嗎13號的 還有到淮陰的汽車票嗎13號的

2.
隨便播放一首專(zhuan) 輯佛裏的歌
隨便播放閣樓裏的佛裏的歌

3.
我想看兩(liang) 把s686打突變競的遊戲視頻
我想看挑戰s686打團競的遊戲視頻

隨機插入

輸入ChatGPT內(nei) 容：

對下麵的每個(ge) 句子中的隨機添加一些單詞，分別生成2個(ge) 句子。

1. 還有雙鴨山到淮陰的汽車票嗎13號的
2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌
3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

1. 還有雙鴨山到淮陰的綠色的便宜的汽車票嗎13號的嗎？ 還有雙鴨山到淮陰的汽車站的窗口買(mai) 13號的票可以嗎？

2.
隨便播放一首專(zhuan) 輯閣樓裏的佛裏的經典老歌吧。
可以在閣樓裏專(zhuan) 輯裏隨意挑選一首佛裏的歌曲播放。

3.
我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻，請給我找一些最好的。
你能給我推薦一些s686在突變團競中的挑戰視頻嗎？

隨機交換

輸入ChatGPT內(nei) 容：

對下麵的每個(ge) 句子中的單詞進行隨機交換，分別生成2個(ge) 句子。

1. 還有雙鴨山到淮陰的汽車票嗎13號的
2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌
3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

1.  汽車票的雙鴨山還有到淮陰13號嗎？ 淮陰到雙鴨山還有13號的汽車票嗎？

2.
隨便裏播放閣一首專(zhuan) 輯佛樓的歌
一首隨便播放閣樓裏的佛專(zhuan) 輯的歌

3.
兩(liang) 把s686打挑戰想我看突變團競的遊戲視頻
突變團競的遊戲視頻我想看挑戰兩(liang) 把s686打

錯別字替換

輸入ChatGPT內(nei) 容：

對下麵的每個(ge) 句子中的字進行替換為(wei) 錯別字，分別生成2個(ge) 句子。

1. 還有雙鴨山到淮陰的汽車票嗎13號的
2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌
3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

1. 還有雙鴨衫到淮陰的汽車票嗎13號的 還有雙鴨山到淮陰的汽車飄嗎13號的

2.
隨便剖開一首專(zhuan) 輯閣樓裏的佛裏的歌
隨便波動一首專(zhuan) 輯閣樓裏的佛裏的歌

3.
我想看挑戰兩(liang) 把s686打突遍團競的遊戲視頻
我想看挑戰兩(liang) 把s686打突變團警的遊戲視頻

同音詞替換

輸入ChatGPT內(nei) 容：

對下麵的每個(ge) 句子中單詞隨機替換為(wei) 同音詞，分別生成2個(ge) 句子。

1. 還有雙鴨山到淮陰的汽車票嗎13號的
2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌
3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

1. 還有數鴨山道淮陰的汽車票嗎13號的 還有雙雅閃達淮音的汽車票嗎13號的

2.
隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌
隨便播放一首專(zhuan) 輯隔樓裏的佛理的狗

3.
我想看挑戰兩(liang) 把S686打突變團競的遊戲視頻
我想看挑戰兩(liang) 把S686打圖變團精的遊戲視頻

反義詞替換

輸入ChatGPT內(nei) 容：

對下麵的每個(ge) 句子中單詞隨機替換為(wei) 反義(yi) 詞，分別生成2個(ge) 句子。

1. 還有雙鴨山到淮陰的汽車票嗎13號的
2. 隨便播放一首專(zhuan) 輯閣樓裏的佛裏的歌
3. 我想看挑戰兩(liang) 把s686打突變團競的遊戲視頻

ChatGPT輸出結果：

1. 還有深圳到上海的航班票嗎3號的 沒有長春到南京的高鐵票嗎12號的

2.
隨便靜音一張單曲酒館內(nei) 的死寂的詩
隨便跳舞一首專(zhuan) 輯森林裏的飛蛾撲火的歌

3.
我想玩堅持一把p92打突變模式的遊戲視頻
我不想看放棄兩(liang) 把akm打團隊模式的遊戲視頻

使用注意事項

通過多次實驗我們(men) 發現，ChatGPT並不擅長進行複雜或者組合的數據增強，否則生成的效果比較差。

對於(yu) 每種增強方法，ChatGPT輸出的速度也存在明顯差異。比如插入同義(yi) 詞或反義(yi) 詞比較慢，但隨機單詞替換比較快。

ChatGPT本質還是GPT網絡，擅長生成文本。因此使用ChatGPT生成相似的句子，可以為(wei) 分類模型增加精度。

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