用于阿拉伯文本分类的数据增强:对当前方法,挑战和未来方向的审查
Samia F Abdhood1,2, Nazlia Omar1, Sabrina Tiun1
1Center for Artificial Intelligence Technology, Faculty of Information Science and Technology, Universiti Kebangsaan Malaysia, Bangi, Selangor, Malaysia.
PeerJ. Computer science
|March 26, 2025
概括
数据增强通过人工创建数据来克服数据集限制来增强阿拉伯文本分类. 研究主要集中在情绪分析和宣传检测上,需要对各种文本类型和数据集进行更多研究.
科学领域:
- 自然语言处理 (NLP) 是一种自然语言处理.
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 数据增强技术通过人工生成新数据来提高机器学习模型的性能.
- 这些方法解决了诸如有限的培训数据和各个领域的阶级不平衡等挑战.
- 它们在阿拉伯文本分类中的应用对于提高分类器性能至关重要.
研究的目的:
- 审查和分析专门用于阿拉伯文本分类的数据增强技术.
- 为阿拉伯自然语言处理 (ANLP) 的现有方法提供全面的理解.
- 确定这个专业领域的研究趋势,差距和未来方向.
主要方法:
- 2019年至2024年间发表的关于文本分类数据增强的阿拉伯研究的系统审查.
- 应用特定的纳入和排除标准,以确保有重点和相关的分析.
- 综合了有关主要研究领域,文本类型和数据集可用性的发现.
主要成果:
- 研究主要涉及情绪分析和宣传检测,对刺言论检测等领域的探索有限.
- 观察到,对于阿拉伯文本分类任务,基准数据集显著缺乏.
- 大多数研究都集中在短文本上 (例如,社交媒体),强调需要对长文本进行研究.
结论:
- 对阿拉伯语长文本的数据增强进行进一步调查是必不可少的.
- 需要严格比较根据阿拉伯语独特语言特征量身定制的技术.
- 本综述为推进阿拉伯语NLP和选择最佳数据增强策略提供了有价值的见解.
