我有一组聊天对话（每组对话包含100个句子）及其对应的标签（没有其他元特征）。但每个标签只有5个样本。我知道要创建一个好的分类模型，每个标签需要大量的样本。为了增加训练数据，将大型文本对话拆分成不同的句子，并将每个句子视为一个独立的样本，这是一个好方法吗？（这样我将会有每个标签500个样本）。这会对分类模型的性能产生什么影响？性能会增加、减少还是没有影响？如果性能发生变化，为什么会这样？

回答：

为了增加训练数据，将大型文本对话拆分成不同的句子，并将每个句子视为一个独立的样本，这是一个好方法吗？

这可以提高性能，但这很 tricky，具体取决于拆分后的句子，标签是否对每个独立的句子都有效。（难以自动化）

• 增加数据量的一个好方法是将数据翻译成其他语言，再翻译回原语言。（实用性取决于具体用例）。
• 你可以查看像 Markovify 这样的工具 [它的主要用途是构建大规模文本语料库的模型，并从中生成随机句子]。

实现方法在这里： https://www.kaggle.com/jpmiller/augmenting-the-data