サインイン
インサイト - 텍스트 데이터 증강
텍스트 증강을 위한 하이브리드 인스턴스 필터링 프레임워크 개발
기존 텍스트 증강 방법들은 특징 공간 이동 문제로 인해 성능 저하가 발생하는 문제를 해결하기 위해, 사전 훈련된 언어 모델을 활용한 하이브리드 인스턴스 필터링 프레임워크를 제안한다.
대규모 언어 모델을 활용한 텍스트 데이터 증강 기법 강화
대규모 언어 모델(LLM)의 자연어 이해 및 실행 능력을 활용하여 텍스트 데이터 증강을 수행할 수 있다. 그러나 증강 데이터의 품질은 제공된 증강 지침에 크게 의존하며, 다양한 하위 작업에 걸쳐 효과가 일관되지 않다. 이를 해결하기 위해 본 연구에서는 LLM을 활용하여 다양한 증강 지침을 자동으로 생성하고, 작업 특화 지침을 선별하는 새로운 솔루션인 Self-LLMDA를 제안한다.
