1、简介
数据增强——即对原始数据进行一系列操作后并产生同样有效的新数据的过程。在CV中，数据增强已经被玩出了很多花样，再NLP中都具有哪些操作呢？
NLP常见的有两类数据增强手段： 词语修改 与 句法语义增强 。
2、词语修改
这种技术仅仅在单词层面做简单修改与替换，易于理解，实现简单无需训练，并且执行速度快，但效果并不理想，甚至会改变语义结构，使得句子不通顺。常见的操作有：
随机删除
随机替换
随机交换
插入
上述方法在文献【1】（文末）中有详细介绍，此类方法被证明在小量数据中有一定效果，当数据量比较大时效果并不理想。
3、句法语义增强
该类方法旨在改变语义，并保持相对通顺的语句，是NLP中比较可靠且稳定的数据增强手段，然而该类方法现阶段并不十分成熟，常见有以下操作：
回译
使用机器翻译模型将句子翻译成另外一种语言，再翻译回目标语言。但会存在问题：当前机器翻译效果已逐渐完善，增强后的文本与原文几乎一致甚至完全一致，此时数据增强效果将大打折扣，因此可做出了以下改进：
从可翻译的语言池中，随机抽取N种语言作为中间翻译过程，最后再翻译为目标语言。这种改进会使得增强后的文本与源文本一致性大大降低，但调用API的时间较长，而且推荐大家找到足够的免费翻译API后使用该方法。
句子改写
顾名思义即对句子进行相同语义的转写，可以使用生成模型或者爬虫的方式进行。
SimBert 模型
比如苏剑林大神基于Bert，提出了Sim Bert相似语句改写模型，已经更新到2.0版本，对于某类型文本有一定改写能力：
>>> gen_synonyms(u'微信和支付宝哪个好？')
[
u'微信和支付宝，哪个好?',
u'微信和支付宝哪个好',
u'支付宝和微信哪个好',
u'支付宝和微信哪个好啊',
u'微信和支付宝那个好用？',
u'微信和支付宝哪个好用',
u'支付宝和微信那个更好',
u'支付宝和微信哪个好用',
u'微信和支付宝用起来哪个好？',
...........
]
可能受限于数据集，SimBert依然不能“通杀”所有数据，实际效果并不特别理想。
句子续写模型
句子续写是极具商业价值的NLP任务，可用于小说创作、文章修改等，因此开源模型并不多见，虽然GPT系列开源可用，但受限于硬件条件，一般个人难以驾驭。秘塔写作猫、彩云小梦等，澜舟科技、PaddlePaddle等科技公司提供句子续写API，但仅有少量的免费试用，仍然无法满足大批量使用。以下是秘塔写作猫和澜舟科技的使用样例：
相似语句爬虫
使用爬虫也可得到与原文相似的文本，例如我们可以从百度搜索中将相关语句输入，可得到相似语句：但对百度网页爬虫具有一定难度，同时到达一定量后会遭到封IP，该方法实现时需要具有较高的反爬虫能力，请密切关注手写AI，不久将来会推出解决方案。
总结
当前NLP领域中，同时具有：效果佳、免费开源、性能稳定特点的数据增强技术仍有待发现，各位同学在使用过程中，应根据硬件性能、处理时间、实际效果等出发，选择最合适数据增强手段。
相关文献
【1】 EDA: Easy Data Augmentation Techniques for Boosting Performance on Text Classification Tasks.