NAP在SemEval-2023任务3中的表现：少即是多吗？（反向）翻译作为说服技巧检测的数据增强策略
NAP at SemEval-2023 Task 3: Is Less Really More? (Back-)Translation as Data Augmentation Strategies for Detecting Persuasion Techniques
AI总结：
针对多语言新闻说服技巧检测中训练数据不足的问题，本研究采用（反向）翻译作为数据增强策略结合多语言Transformer模型，经自动与人工评估验证两种策略均能提升性能，且平衡人工与机器生成数据十分关键。
摘要：
多语言场景下的新闻说服技巧检测并非易事，存在训练数据不足等诸多挑战。我们的系统成功将（反向）翻译作为数据增强策略，结合多语言Transformer模型完成说服技巧检测任务。我们对增强后的数据进行了自动评估与人工评估，以此探究（反向）翻译对模型性能的作用是助力还是阻碍。深入分析表明，两种数据增强策略均能提升性能，但平衡人工生成与机器生成的数据似乎至关重要。
英文摘要：
Persuasion techniques detection in news in a multi-lingual setup is non-trivial and comes with challenges, including little training data. Our system successfully leverages (back-)translation as data augmentation strategies with multi-lingual transformer models for the task of detecting persuasion techniques. The automatic and human evaluation of our augmented data allows us to explore whether (back-)translation aid or hinder performance. Our in-depth analyses indicate that both data augmentation strategies boost performance; however, balancing human-produced and machine-generated data seems to be crucial.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
