지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국지능시스템학회 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS Vol.24 No.2
- 발행연도
- 2024.6
- 수록면
- 83 - 92 (10page)
- DOI
- 10.5391/IJFIS.2024.24.2.83
이용수
초록· 키워드
오류제보하기
Data augmentation generates additional samples for data expansion. The modification method is an augmentation technique that is commonly used because of its simplicity. This method modifies the words in sentences using simple rules. It has the advantages of low complexity and cost, because it simply needs to sequentially scan a dataset without requiring complex computations. Despite its simplicity, there is a drawback. It uses only the training dataset corpus, leading to the repeated learning of the same words and limited diversity. In this study, we propose STOP-SYM, which is simpler and more effective than previous methods, while addressing its drawbacks. In previous simple data-augmentation methods, various operations, such as delete, insert, replace and swap were used to inject diverse noise. The proposed method, STOP-SYM, generates sentences by simply inserting words. STOP-SYM uses the intersection of out-of-vocabulary (OOV) words and stopword synonyms. OOV enables the use of a corpus beyond the training dataset, and synonyms of stopwords minimize their impact on training as white noise. By inserting these words into sentences, augmented samples that increase the diversity of the dataset can be easily obtained. Ultimately, compared with recent simple data-augmentation methods, our approach demonstrates superior performance. We also conducted comparative experiments on various text-classification datasets and a GPT-based model to demonstrate its superiority.
목차
Abstract
1. Introduction
2. Related Work
3. Proposed Method: STOP-SYM
4. Experiment Setup
5. Experiment Results
6. Ablation Study
7. Conclusion
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
벡터 양자화 증강 기법을 통한 적대적 견고 향상
대한전자공학회 학술대회
2023 .06
-
WGAN을 이용한 Data Augmentation 기법
대한전자공학회 학술대회
2017 .11
-
확산 모델 기반 데이터 증강 최신 연구 동향
대한전자공학회 학술대회
2024 .06
-
Sarcasm Detection in Twitter - Performance Impact While Using Data Augmentation: Word Embeddings
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2022 .12
-
영상 내 물체 검출 및 분류를 위한 소규모 데이터 확장 기법
로봇학회 논문지
2020 .06
-
데이터 증강기법 기반의 강건한 건선 중증도 분류 연구
전기학회논문지
2022 .12
-
딥 뉴럴 네트워크 기반의 음성 향상을 위한 데이터 증강
멀티미디어학회논문지
2019 .07
-
인공지능 기반의 미생물 균총과 질병과의 연관성 예측을 위한 Data Augmentation 방법론
전자공학회논문지
2021 .03
-
소프트 라벨을 적용한 규칙 기반 텍스트 데이터 증강 기법
대한전자공학회 학술대회
2023 .06
-
한국어 데이터를 활용한 data augmentation
한국정보통신학회논문지
2023 .04
-
Data Augmentation and Deep Learning for the Fault Diagnosis of Rotating Machines
대한기계학회 춘추학술대회
2021 .11
-
BERT Pre-trained Models for Data Augmentation in Twitter Medical Named-Entity Recognition
한국정보과학회 학술발표논문집
2021 .06
-
A Novel Rar e Image Data Augmentation Method for Fish Diseases Classification
멀티미디어학회논문지
2025 .02
-
Modeling Short Answer Grading Performance Improvement by GPT Augmentation Data
한국소프트웨어감정평가학회논문지
2024 .06
-
Data Augmentation on Limited Biometric Data Set for M2M Authentication Model Testing
한국통신학회 학술대회논문집
2021 .06
-
Selective Data Augmentation for Improving the Performance of Offline Reinforcement Learning
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
Test Time Augmentation을 이용한 문자 인식의 성능 향상
한국통신학회 학술대회논문집
2020 .08
-
심층 신경망을 통한 자연 소리 분류를 위한 최적의 데이터 증대 방법 탐색
방송공학회논문지
2020 .11
-
선택적 Test-Time Augmentation을 이용한 효율적인 분류 정확도 향상
한국정보과학회 학술발표논문집
2022 .06
-
Toward Practical Augmentation of Raman Spectra for Deep Learning Classification of Contamination in HDD
Journal of information and communication convergence engineering
2023 .09
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089951971