低資源な法ドメイン含意タスクにおけるデータ拡張
Published in 言語処理学会第29回年次大会発表論文集, 2023
Abstract
法ドメインではアノテーションが高コストのため学習データが不足する問題がある．本稿では，COLIEETASK4を用いて，ラベル付き学習データのルールベースによる拡張と，言語モデル事前学習の際の擬似的な学習データ拡張の効果検証を行う．実験の結果，提案手法である反対解釈によるデータ拡張手法が最良の性能を示した．
Recommended citation:
伊藤光一, 山田寛章, 徳永健伸. 低資源な法ドメイン含意タスクにおけるデータ拡張. 言語処理学会第29回年次大会発表論文集, pp. 990-885, 2023年3月.