基于EDA和回譯的導(dǎo)游投訴文本混合增強(qiáng)方法

余佳雨，李 響，詹瑾瑜，江 維，曹 揚(yáng)，楊 瑞

(1.電子科技大學(xué) 信息與軟件工程學(xué)院，四川 成都 610054;2.中電科大數(shù)據(jù)研究院有限公司，貴州 貴陽 550022;3.提升政府治理能力大數(shù)據(jù)應(yīng)用技術(shù)國家工程實(shí)驗(yàn)室，貴州 貴陽 550022)

0 引 言

近年來中國經(jīng)濟(jì)高速發(fā)展，旅游逐漸成為人們休閑娛樂的選擇之一。隨著游客人數(shù)越來越多、旅游可選地點(diǎn)愈發(fā)豐富，旅游過程中各種糾紛日趨復(fù)雜，負(fù)面新聞頻發(fā)，如宰客、隨意加價(jià)、強(qiáng)制消費(fèi)等導(dǎo)游違規(guī)事件的相關(guān)新聞報(bào)道[1]。2017年12月黑龍江雪鄉(xiāng)發(fā)生導(dǎo)游用威脅、辱罵手段強(qiáng)制游客參加自費(fèi)項(xiàng)目事件，甚至打傷了兩位游客；2018年5月10名中國游客在泰芭提雅旅游遭遇中國籍黑導(dǎo)游恐嚇、逼迫購物，經(jīng)歷“大逃亡”的事件；2019年11月福建廈門鼓浪嶼導(dǎo)游威脅游客視頻在網(wǎng)絡(luò)熱傳。這些負(fù)面的新聞不僅嚴(yán)重影響了景區(qū)形象，還暴露出旅游市場存在監(jiān)管漏洞。

人工處理旅游投訴需要耗費(fèi)大量人力，因此使用機(jī)器學(xué)習(xí)算法從導(dǎo)游投訴文本數(shù)據(jù)中挖掘出導(dǎo)游違規(guī)事件，輔助旅游監(jiān)管人員工作，為旅游監(jiān)管提供依據(jù)，成為一個必然趨勢。然而，由于傳統(tǒng)旅游業(yè)與大數(shù)據(jù)結(jié)合過程中存在著信息孤島，導(dǎo)致導(dǎo)游投訴文本數(shù)據(jù)單一、難以獲取等問題。為了改善原始導(dǎo)游投訴數(shù)據(jù)集存在的樣本不平衡和語料不豐富的問題，如何對這些導(dǎo)游投訴文本進(jìn)行文本增強(qiáng)以滿足導(dǎo)游違規(guī)行為識別需要，是一個迫切需要解決的問題。

圖像領(lǐng)域的數(shù)據(jù)增強(qiáng)技術(shù)已經(jīng)比較成熟，通過對圖像的翻轉(zhuǎn)、旋轉(zhuǎn)、鏡像、高斯白噪聲等技巧實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)，以幫助訓(xùn)練更強(qiáng)大的模型，尤其是數(shù)據(jù)集較小的時(shí)候。然而在自然語言處理領(lǐng)域，文本數(shù)據(jù)增強(qiáng)技術(shù)仍處于探索階段。Wang等人使用文本分類技術(shù)對推文分析，在詞嵌入模型中使用K-近鄰算法(KNN)尋找同義詞對推文數(shù)據(jù)進(jìn)行增強(qiáng)[2]。Sennrich等人使用自己訓(xùn)練的模型對不完整的語料進(jìn)行翻譯，將得到的結(jié)果和原語料混合得到增強(qiáng)的訓(xùn)練數(shù)據(jù)，在機(jī)器翻譯任務(wù)上取得了更好的結(jié)果[3]。Fadaee等人先替換每個文檔中的稀有詞，再用LSTM語言模型翻譯并校驗(yàn)去掉不合理的結(jié)果，得到增強(qiáng)文本數(shù)據(jù)在WMT15英德翻譯任務(wù)上取得了一定的效果[4]。Xie等人引入unigram噪聲(將目標(biāo)詞替換為根據(jù)unigram分布得出詞)和空白噪聲(將目標(biāo)詞替換為占位符)，在IWSLT 2015的英德翻譯任務(wù)上取得了不錯的結(jié)果[5]。Hu等人提出了一個結(jié)合變分自動編碼器(VAE)和整體屬性識別符的神經(jīng)生成模型，在斯坦福SST數(shù)據(jù)集和IMDB數(shù)據(jù)集的情感分析任務(wù)上比之前的方法生成的文本更準(zhǔn)確[6]。Yu等人提出了QANet框架，使用了帶有注意力機(jī)制的神經(jīng)機(jī)器翻譯模型將英文語料翻譯為法文再翻譯回英文以進(jìn)行訓(xùn)練文本增強(qiáng)，在自動問答任務(wù)的SQuAD數(shù)據(jù)集上取得了更好的結(jié)果[7]。Wei等人針對文本分類任務(wù)提出了一種EDA(easy data augmentation)文本增強(qiáng)方法[8]，該方法在較小的數(shù)據(jù)集上可以顯著提高分類效果并減少過擬合。上述的多數(shù)方法都是在特定任務(wù)上進(jìn)行的，如機(jī)器翻譯、機(jī)器閱讀理解，雖然在它們之間相互比較有一定困難，但仍然可以在是否需要訓(xùn)練語言模型和是否需要額外數(shù)據(jù)這兩方面對它們進(jìn)行對比。對于是否需要訓(xùn)練語言模型方面，上述大多數(shù)方法都是需要的；對于是否需要額外數(shù)據(jù)方面，文獻(xiàn)[4]的翻譯增強(qiáng)方法、文獻(xiàn)[6]的VAE方法和文獻(xiàn)[7]的回譯方法都是需要的。相比于其他方法，EDA方法的優(yōu)勢在于不需要訓(xùn)練語言模型并且不需要額外數(shù)據(jù)。因此，該文提出的方法是基于EDA方法和不需要訓(xùn)練語言模型的回譯方法，具有簡單易用的優(yōu)勢。

針對導(dǎo)游違規(guī)行為識別中導(dǎo)游投訴文本數(shù)據(jù)樣本不平衡和語料不豐富的問題，該文提出了一種基于EDA和回譯的導(dǎo)游投訴文本混合增強(qiáng)方法，從EDA方法和回譯方法兩個方面得到增強(qiáng)后的導(dǎo)游投訴文本數(shù)據(jù)，混合生成新的數(shù)據(jù)集。并將該方法應(yīng)用到了實(shí)際的導(dǎo)游違規(guī)行為識別系統(tǒng)中進(jìn)行測試和驗(yàn)證。在實(shí)驗(yàn)中，基于EDA和回譯的導(dǎo)游投訴文本混合增強(qiáng)方法與原始投訴文本數(shù)據(jù)、傳統(tǒng)的EDA文本增強(qiáng)方法、傳統(tǒng)的回譯文本增強(qiáng)方法進(jìn)行了分析與對比。實(shí)驗(yàn)結(jié)果表明，在實(shí)際的導(dǎo)游違規(guī)行為識別系統(tǒng)中，該方法相比于其他兩種方法的文本增強(qiáng)效果更好，相比原始數(shù)據(jù)集其準(zhǔn)確率提高了7.4%，可以有效地提升導(dǎo)游違規(guī)行為識別系統(tǒng)的準(zhǔn)確率。

1 文本增強(qiáng)方法

1.1 EDA方法

傳統(tǒng)文本增強(qiáng)方法都是基于原文本同義詞替換實(shí)現(xiàn)的，而EDA方法在此基礎(chǔ)上進(jìn)行擴(kuò)充，增加了另外三種方式，共由四種不同方式組成，包括：同義詞替換、同義詞插入、刪除、交換詞語位置。

具體操作如下：

(1)同義詞替換：從一段導(dǎo)游投訴文本中隨機(jī)選取一個非停用詞，使用近義詞預(yù)測工具找到選取詞的同義詞，然后在原句中把選取詞替換為其同義詞。操作對當(dāng)前投訴文本重復(fù)n次。

(2)同義詞插入：從一段導(dǎo)游投訴文本中隨機(jī)選取一個非停用詞，使用近義詞預(yù)測工具找到選取詞的可替換的備選詞，將該備選詞插入這段文本某隨機(jī)位置。操作重復(fù)n次。

(3)刪除：從一段導(dǎo)游投訴文本中隨機(jī)選取一個詞，然后刪除它。操作重復(fù)n次。

(4)交換詞語位置：從一段導(dǎo)游投訴文本中隨機(jī)選取兩個不同單詞，然后交換它們的位置。操作重復(fù)n次。

以上四種操作都包含參數(shù)n，它表示對當(dāng)前投訴文本的操作次數(shù)，具體公式為n=αl，操作次數(shù)n由當(dāng)前導(dǎo)游投訴本文的單詞改變比例α和當(dāng)前導(dǎo)游投訴本文單詞個數(shù)l決定。此外，對于每條導(dǎo)游投訴文本，文本數(shù)據(jù)增強(qiáng)生成的新的投訴文本條數(shù)為naug，naug為4的倍數(shù)，四個操作分別的執(zhí)行次數(shù)均為naug/4。導(dǎo)游投訴文本的EDA增強(qiáng)示例如表1所示，原始的導(dǎo)游投訴文本為“導(dǎo)游黑心變更行程，誘導(dǎo)逛街購物”。

表1 EDA增強(qiáng)示例圖

1.2 回譯方法

回譯是文本數(shù)據(jù)增強(qiáng)的常見方法，回譯顧名思義就是將源語言翻譯為中間語言，再把中間語言翻譯回源語言，中間語言通常選取大語種語言(如英語)?；刈g的技術(shù)方案有兩種，第一種是使用優(yōu)質(zhì)語料自行訓(xùn)練機(jī)器翻譯模型，第二種是使用大公司提供的在線翻譯工具或翻譯API，如百度翻譯、谷歌翻譯、有道翻譯等。

針對第一種技術(shù)方案，機(jī)器翻譯(MT)是借助機(jī)器將一種自然語言文本(源語言)翻譯成另一種自然語言文本(目標(biāo)語言)[9]，機(jī)器翻譯方法通?？煞殖扇箢悾夯谝?guī)則的機(jī)器翻譯(RBMT)、統(tǒng)計(jì)機(jī)器翻譯(SMT)和神經(jīng)機(jī)器翻譯(NMT)，現(xiàn)在主流且較為成熟的方法是神經(jīng)機(jī)器翻譯[10]。雖然NMT方法在機(jī)器翻譯上有著優(yōu)異的表現(xiàn)，但是它仍存在著以下幾個問題：

(1)很難尋找到一個合適的數(shù)據(jù)集；

(2)語料庫對結(jié)果的影響很大，即使量級差不多，但不同領(lǐng)域的語料卻能對翻譯效果產(chǎn)生很大的差別；

(3)超參數(shù)設(shè)置對翻譯效果的影響較大；

(4)訓(xùn)練所需的時(shí)間成本較大，同時(shí)訓(xùn)練規(guī)模較大時(shí)需要較大的硬件顯存支持。

由于上述原因限制，該文采用了第二種方案。

第二種技術(shù)方案是使用大公司提供的翻譯API進(jìn)行回譯，翻譯方法已經(jīng)被封裝好了，只需要通過API先將中文翻譯為英文，再將英文回譯為中文即可。第二種方案比第一種方案更簡單、快速、節(jié)省資源。該文使用這種方案來實(shí)現(xiàn)回譯，對導(dǎo)游投訴文本進(jìn)行數(shù)據(jù)增強(qiáng)。算法用JavaScript語言編寫，在Node.js環(huán)境運(yùn)行，參數(shù)為請求翻譯的內(nèi)容、翻譯源語言、譯文語言。第一輪翻譯，將翻譯源語言設(shè)置為中文、譯文語言設(shè)置為英文；第二輪回譯，將翻譯源語言設(shè)置為英文、譯文語言設(shè)置為中文。導(dǎo)游投訴文本的回譯增強(qiáng)示例如圖1所示。

圖1 回譯增強(qiáng)示例

2 基于EDA和回譯的混合增強(qiáng)方法

EDA文本增強(qiáng)方法和回譯文本增強(qiáng)方法都是常見的且效果不錯的文本增強(qiáng)方法，但這兩種方法互相獨(dú)立。該文將兩種方法結(jié)合起來，對導(dǎo)游投訴文本進(jìn)行混合增強(qiáng)，即將兩種方法得到的增強(qiáng)文本數(shù)據(jù)混合在一起作為新的訓(xùn)練數(shù)據(jù)，以獲得更多的訓(xùn)練數(shù)據(jù)和文本特征，因此在后續(xù)的導(dǎo)游違規(guī)行為識別任務(wù)中可以取得更好的準(zhǔn)確率。基于EDA和回譯的混合增強(qiáng)方法將導(dǎo)游投訴文本分別送入EDA模塊和回譯模塊，兩個模塊相互獨(dú)立，可以并行執(zhí)行，其組成如圖2所示。

圖2 基于EDA和回譯的混合增強(qiáng)方法

針對混合增強(qiáng)方法的EDA模塊，每次迭代將輸入的一條導(dǎo)游投訴文本進(jìn)行分詞，根據(jù)參數(shù)naug，使四個操作函數(shù)(插入、刪除、同義詞修改、交換詞語位置)分別執(zhí)行naug/4次。例如當(dāng)naug的值為8時(shí)，四個操作函數(shù)分別執(zhí)行2次，1條原始文本便可以生成得到8條新文本。EDA模塊的插入和同義詞修改操作都使用了同義詞預(yù)測工具，通過Synonyms中文近義詞工具包來實(shí)現(xiàn)。EDA模塊將四種操作得到的增強(qiáng)文本混合并打亂順序作為輸出結(jié)果，并結(jié)束一次迭代。遍歷所有導(dǎo)游投訴文本，便可以得到增強(qiáng)后的導(dǎo)游違規(guī)投訴語料。同時(shí)，考慮到naug參數(shù)對最終增強(qiáng)效果的影響，參數(shù)選取過大可能導(dǎo)致過擬合，因此需要以4為倍數(shù)設(shè)置naug參數(shù)并對比不同naug取值的增強(qiáng)效果，從中選取最優(yōu)取值。

針對混合增強(qiáng)方法的回譯模塊，每次迭代將一條導(dǎo)游投訴文本翻譯源語言設(shè)置為中文、譯文語言設(shè)置為英文，翻譯得到英文的投訴文本。再將英文投訴文本輸入到回譯流程中，將翻譯源語言設(shè)置為英文、譯文語言設(shè)置為中文，得到回譯模塊的輸出結(jié)果。例如，輸入“隨意更改行程，壓縮游覽時(shí)間”這段原始導(dǎo)游投訴文本，經(jīng)過漢譯英回譯模塊，得到中間語句“Feel free to change itinerary and reduce tour time”，接著將中間語句輸入進(jìn)英譯漢回譯模塊，最終輸出得到回譯文本“隨意更改行程，縮短游覽時(shí)間”。1條原始文本可以生成1條新的文本。遍歷所有導(dǎo)游投訴文本，便可以得到增強(qiáng)后的導(dǎo)游違規(guī)投訴語料。

文中混合增強(qiáng)方法的EDA模塊和回譯模塊可以并行操作，若EDA模塊耗時(shí)為t1，回譯模塊耗時(shí)為t2，若t1>t2，則文中混合增強(qiáng)方法總耗時(shí)為t1，否則總耗時(shí)為t2；兩個模塊返回增強(qiáng)后的導(dǎo)游投訴語料后，混合得到最終的導(dǎo)游投訴增強(qiáng)文本。

3 混合文本增強(qiáng)方法在導(dǎo)游違規(guī)行為識別系統(tǒng)中的應(yīng)用

實(shí)驗(yàn)的硬件環(huán)境為一臺CPU為2.9 GHz雙核Intel Core i5、內(nèi)存為8 GB的macOS操作系統(tǒng)計(jì)算機(jī)，軟件編程語言為Python和JavaScript。

導(dǎo)游違規(guī)行為識別是一個文本多分類任務(wù)，其中導(dǎo)游違規(guī)行為分為五類：

(1)強(qiáng)迫購物或消費(fèi)；

(2)更改或終止行程；

(3)餐飲或住宿違規(guī)；

(4)導(dǎo)游無資質(zhì)或無導(dǎo)游證；

(5)毆打辱罵。

將Word2Vec[11]作為文本表示，使用梯度提升決策樹(LightGBM[12])分類算法對導(dǎo)游投訴文本進(jìn)行識別和分類，識別出導(dǎo)游投訴本文最大可能性的導(dǎo)游違規(guī)行為。導(dǎo)游違規(guī)行為識別步驟包括：數(shù)據(jù)收集、數(shù)據(jù)增強(qiáng)、文本預(yù)處理、分類器訓(xùn)練、分類效果評估，如圖3所示。

3.1 數(shù)據(jù)收集

導(dǎo)游違規(guī)行為識別的訓(xùn)練數(shù)據(jù)是有標(biāo)簽的導(dǎo)游投訴文本，來源于人民網(wǎng)旅游投訴平臺，包含游客對酒店、航空、旅行社、導(dǎo)游等方面的投訴，實(shí)驗(yàn)對平臺中關(guān)于導(dǎo)游的投訴文本數(shù)據(jù)進(jìn)行了爬取，共獲得757條投訴文本，再根據(jù)導(dǎo)游違規(guī)行為類別對投訴文本打標(biāo)簽。

圖3 導(dǎo)游違規(guī)行為識別的步驟

3.2 數(shù)據(jù)增強(qiáng)

為了驗(yàn)證基于EDA和回譯的導(dǎo)游投訴文本混合增強(qiáng)方法對提升導(dǎo)游違規(guī)行為識別準(zhǔn)確率的有效性，進(jìn)行了四組實(shí)驗(yàn)，實(shí)驗(yàn)文本數(shù)據(jù)分別采用原投訴數(shù)據(jù)組、EDA文本增強(qiáng)組、回譯文本增強(qiáng)組和文中的混合增強(qiáng)組。實(shí)驗(yàn)還測試了不同參數(shù)對EDA方法增強(qiáng)效果的影響，通過調(diào)整文本增強(qiáng)參數(shù)naug，得到最優(yōu)的增強(qiáng)效果時(shí)的參數(shù)取值，并將該參數(shù)取值作為EDA方法的基準(zhǔn)。

3.3 文本預(yù)處理

導(dǎo)游違規(guī)行為識別系統(tǒng)使用了Word2Vec詞嵌入方法作為文本表示方法，可以捕獲詞語的語義和句子中詞語的順序，這些都是離散表示方法(如詞袋模型、N-Gram)不具備的。實(shí)驗(yàn)爬取了“旅游新聞網(wǎng)”的旅游新聞?wù)Z料，并使用旅游新聞?wù)Z料構(gòu)建了面向旅游領(lǐng)域的詞嵌入模型，以得到更為準(zhǔn)確的導(dǎo)游違規(guī)行為投訴文本表示信息。

得到供Word2Vec模型訓(xùn)練的旅游新聞?wù)Z料后，對訓(xùn)練語料使用分詞工具jieba進(jìn)行分詞，再使用Gensim庫提供的Word2Vec工具進(jìn)行模型訓(xùn)練，步驟如下：

(1)將分詞后的語料轉(zhuǎn)為one-hot編碼的向量作為輸入；

(2)根據(jù)參數(shù)進(jìn)行詞語的遍歷；

(3)訓(xùn)練模型得到隱藏層權(quán)重矩陣和詞向量。

3.4 分類器訓(xùn)練

導(dǎo)游違規(guī)行為識別系統(tǒng)采用LightGBM分類算法。LightGBM通過基于梯度的單邊采樣(GOSS)排除很大比例的小梯度的樣本來進(jìn)行信息增益計(jì)算，相對于更大梯度的數(shù)據(jù)樣本，小梯度樣本通常在計(jì)算信息增益時(shí)的作用不大，GOSS的目標(biāo)是不使用全部數(shù)據(jù)規(guī)模獲得精準(zhǔn)的信息增益估計(jì)。LightGBM使用獨(dú)有特征打包(EFB)將多個獨(dú)有特征進(jìn)行打包以減少特征數(shù)量，找到最優(yōu)的獨(dú)有特征進(jìn)行打包，這是一個NP難的問題，可以用貪心算法達(dá)到相當(dāng)好的近似，既可以有效減少特征數(shù)量，又沒有降低分裂點(diǎn)的決策精度。

3.5 分類效果評估

導(dǎo)游違規(guī)行為識別是一個多分類任務(wù)，評估分類效果有四個預(yù)測結(jié)果：TP(真正例)、FP(假正例)、TN(真負(fù)例)、FN(假負(fù)例)，常見的評估指標(biāo)有精確率(precision)、召回率(recall)、F1-score，其公式分別為：

(1)

(2)

(3)

F1-score是調(diào)節(jié)精確率和召回率的綜合指標(biāo)[13]，常用于評估二分類問題。在多分類任務(wù)中，將n分類的評估拆成n個二分類的評估，常用的評估指標(biāo)有Macro F1[14](計(jì)算每個二分類的F1-score，n個F1-score的平均值即為Macro F1)和Micro F1[15](將n個二分類評價(jià)的TP、FP、FN對應(yīng)相加，計(jì)算準(zhǔn)確率和召回率，這樣計(jì)算得到的F1-score即為Micro F1)。一般而言，Macro F1、Micro F1越高的分類效果越好，而Macro F1受樣本數(shù)量少的類別影響大，考慮到數(shù)據(jù)集存在數(shù)據(jù)不平衡的問題，因此采用Micro F1作為本實(shí)驗(yàn)的評估指標(biāo)。

3.6 實(shí)驗(yàn)結(jié)果分析

該實(shí)驗(yàn)首先進(jìn)行文本增強(qiáng)參數(shù)naug對EDA方法的增強(qiáng)效果評價(jià)，以得到最優(yōu)增強(qiáng)效果的naug取值，實(shí)驗(yàn)結(jié)果如表2所示。由實(shí)驗(yàn)結(jié)果可知，參數(shù)naug從4倍到8倍再到16倍時(shí)準(zhǔn)確率依次提升，但到32倍時(shí)準(zhǔn)確率卻低于16倍時(shí)的準(zhǔn)確率，原因可能是發(fā)生了過擬合。naug取值對文本增強(qiáng)的性能影響如圖4所示，其中的性能提升率是使用數(shù)據(jù)增強(qiáng)方法相對于原始數(shù)據(jù)在導(dǎo)游違規(guī)行為識別的Micro F1值的提升百分比。因此，參數(shù)naug為16時(shí)，EDA方法的增強(qiáng)效果最優(yōu)，后續(xù)實(shí)驗(yàn)將其作為文中混合文本增強(qiáng)方法的參數(shù)naug取值。

表2 naug對EDA增強(qiáng)效果的影響

圖4 naug對EDA文本增強(qiáng)性能提升率的影響

實(shí)驗(yàn)對四種文本增強(qiáng)方法在導(dǎo)游違規(guī)行為識別的Micro F1指標(biāo)以及增強(qiáng)后的文本條數(shù)進(jìn)行了比較，如表3和圖5所示。EDA組、回譯組、混合組比原始投訴數(shù)據(jù)組分別提升了6.2%、5.6%、7.4%，這說明使用文本增強(qiáng)方法對于提升導(dǎo)游違規(guī)行為識別的準(zhǔn)確率都是有效的。對比EDA組和回譯組，基于EDA的文本增強(qiáng)方法比基于回譯的文本增強(qiáng)方法在導(dǎo)游違規(guī)行為識別準(zhǔn)確率上提升了1.4%，說明EDA方法能夠提供更多特征。對比三種文本增強(qiáng)方法，從實(shí)驗(yàn)結(jié)果可知，文中混合增強(qiáng)方法應(yīng)用于導(dǎo)游違規(guī)行為識別中使準(zhǔn)確率達(dá)到了87.54%，相對于原始數(shù)據(jù)集精度提升了7.4%，同時(shí)也優(yōu)于其他兩種文本增強(qiáng)方法。

表3 原始數(shù)據(jù)組和三種文本增強(qiáng)方法的實(shí)驗(yàn)結(jié)果

圖5 原始數(shù)據(jù)組與三種文本增強(qiáng)方法的 Micro F1對比

4 結(jié)束語

使用機(jī)器學(xué)習(xí)、自然語言處理等技術(shù)對導(dǎo)游投訴文本進(jìn)行違規(guī)行為識別，有助于旅游市場的智慧監(jiān)管，節(jié)省了旅游監(jiān)管的人力物力，還可以幫助消費(fèi)者規(guī)避風(fēng)險(xiǎn)、提高旅游體驗(yàn)。但導(dǎo)游投訴文本語料單一、獲取困難，針對這一問題，提出了一種基于EDA和回譯的導(dǎo)游投訴文本混合增強(qiáng)方法，從EDA和回譯兩個角度對導(dǎo)游投訴文本進(jìn)行數(shù)據(jù)增強(qiáng)，并將返回的增強(qiáng)語料進(jìn)行混合得到最終的增強(qiáng)文本數(shù)據(jù)集，并且在實(shí)際的導(dǎo)游違規(guī)行為識別系統(tǒng)中進(jìn)行了應(yīng)用與驗(yàn)證。

實(shí)驗(yàn)結(jié)果表明，該方法比傳統(tǒng)的EDA文本增強(qiáng)方法和回譯文本增強(qiáng)方法具有更好的準(zhǔn)確率提升性能，相比原始導(dǎo)游投訴數(shù)集，在導(dǎo)游行為識別準(zhǔn)確率上提高了7.4%?；贓DA和回譯的導(dǎo)游投訴文本混合方法適合于數(shù)據(jù)量較少的分類任務(wù)，具有較高的實(shí)用價(jià)值。