④ ディープラーニングの要素技術／ 25. データ拡張

paraphrasingとは

paraphrasingとは、文の意味を保ったまま言い換えを行う自然言語処理のデータ拡張手法です。表現の多様性を増やし、汎化性能を向上させます。

この用語はG検定シラバスの「25. データ拡張」に含まれます。章全体の用語は用語解説④（全60語）にまとまっています。

意味を変えずに文を言い換えて、学習データのバリエーションを増やす手法です。

具体例

同じ内容でも表現は無数にあります。多様な言い回しを学ばせることで、言い方が変わっても同じ意味だと判断できるようになります。

画像なら反転や回転をしても写っているものは変わりません。

しかし言葉は、少し変えただけで意味が変わってしまうことがあります。「面白い」と「おかしい」は近いようで違います。意味を保てているかの保証が難しい点が自然言語のデータ拡張の難しさです。

ほかに、別言語へ翻訳してから戻す逆翻訳という手法もよく使われます。

言い換えを人手で作るのは大変なので、機械翻訳や生成AIを使って自動生成する方法がよく使われます。

ただし自動生成では意味がずれた文が混じることがあり、かえって学習を悪化させる恐れもあります。品質の確認が欠かせません。