テキストデータの拡張手法

問題

テキスト（自然言語）におけるデータ拡張手法について、正しい記述を1つ選べ。

自然言語処理（NLP）におけるテキストデータの拡張は、画像のようにピクセルを少しずらしたり色を変えたりといった直感的な加工が難しいため、独自の工夫がなされます。

主なアプローチとして、意味を変えずに表現を豊かにする「言い換え（Paraphrasing / 類義語置換 / 逆翻訳）」や、意図的に文章を崩してノイズへの耐性を高める「ノイズ付与（単語のランダムな削除や挿入、文字のタイポ）」などがあります。

1. noisingは単語の追加・削除などを行うが、文法が破綻する可能性がある。

正しい：Noising（ノイズ付与）は、文中の単語をランダムに削除・挿入・入れ替えたりする手法です。文法が破綻するリスクはありますが、SNSの書き込みなどノイズの多いリアルなテキストへの耐性（ロバスト性）を高める効果があります。

2. Paraphrasingは文の意味を変えることで多様性を増やす手法である。

誤り：Paraphrasing（パラフレーズ／言い換え）は、文の「意味（意味的制約）を保ったまま」、単語や表現を変えることでデータの多様性を増やす手法です。

3. テキストデータは画像と異なり、データ拡張を行うことはできない。

誤り：テキストデータでも、類義語置換（Synonym Replacement）や、一度別の言語に翻訳して元に戻す逆翻訳（Back Translation）など、強力なデータ拡張手法が確立されています。

4. RandAugmentはテキスト専用のデータ拡張手法である。

誤り：RandAugmentは「画像認識」において、数十種類あるデータ拡張手法（回転、色調変更など）の中から最適な組み合わせを自動探索するためのアルゴリズムです。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ