zhanlaoban / eda_nlp_for_chinese Goto Github PK

No such file or directory: 'stopwords/HIT_stop_words.txt'，还要自己去下载吗

“实验结果就是，增强句子的隐藏空间表征紧紧环绕在这些原始句子的周围。作者的结论是，句子中有多个单词被改变了，那么句子的原始标签类别就可能无效了。” 表征紧紧的在原表征周围的话，那句子不是应该语意接近吗。那么句子的原始类别标签是有效的哇

random seed不起作用的原因，如何保持每次生成同样的结果

I see your script is python code/augment.py --input=train.txt --output=train_augmented.txt --num_aug=16 --alpha=0.05 to share an alpha value.
But I want to set different alpha. What should I do

alpha_sr=alpha, alpha_ri=alpha, alpha_rs=alpha, alpha_rd=alpha

我想问下大家，你们使用这个方法，对于当前任务有提升吗？谢谢~

楼主不觉得生成的数据都不通顺吗

我看到数据前面有01标签，我只想得到扩充的数据，用于机器翻译，是否可以不适用标签，或者直接用0123456顺序号

正在使用EDA生成增强语句...
Traceback (most recent call last):
File "C:\Users\HP-OMEN\Desktop\project\code\EDA_NLP_for_Chinese-master\EDA_NLP_for_Chinese-master\code\augment.py", line 54, in
gen_eda(args.input, output, alpha=alpha, num_aug=num_aug)
File "C:\Users\HP-OMEN\Desktop\project\code\EDA_NLP_for_Chinese-master\EDA_NLP_for_Chinese-master\code\augment.py", line 44, in gen_eda
sentence = parts[1]
IndexError: list index out of range

生成的output.txt文件内容为：
0 今天天气 很棒 哦 。
0 今天天气 不错 哦 。
0 哟 不错 哦 。
0 喔 不错 哦 。
0 今天天气 哈哈哈 不错 哦 。
0 今天天气 不错 吧 哦 。
0 今天天气 不错 哦
0 今天天气 不错 哦
0 今天天气 不错 。 哦
0 yoi 不错 哦 。
0 今天天气 不错 哦 呵呵 。
0 今儿个 今天天气 不错 哦 。
0 今天天气 很棒 哦 。
0 。 不错 哦 今天天气
0 今天天气 不错 哦 。
0 今天天气 不错 。 哦
0 今天天气 不错 哦 。

n_sr = max(1, int(alpha_sr * num_words))
n_ri = max(1, int(alpha_ri * num_words))
n_rs = max(1, int(alpha_rs * num_words))

请问为啥要和1比呀？这样一来替换、删除或插入n最多只能变一个？（不知道我理解错没，还望指正！

刚才粗略看了一下，代码基本都是原文作者的，你是换成了哈工大的同义词林么？还有其他创新点么？谢谢，看的不仔细

@zhanlaoban What is the license type of this repo? Could other projects use it? thx

raise Exception("SYNONYMS_DL_LICENSE is not in Environment variables, check out Installation Guide on https://github.com/chatopera/Synonyms")
Exception: SYNONYMS_DL_LICENSE is not in Environment variables, check out Installation Guide on https://github.com/chatopera/Synonyms

请问作者中文的测试数据集是哪些哦？

您好，我也看完了9个issue，还有里面eda的代码。
但是我看到label除了读进来，写入。。没有发现他对rs等有什么具体的意义。
如果我理解错了，希望您能告诉我

只需要名词替换，需要更改哪个地方