text-augmentation

本文在7个不平衡分类数据集上对11种文本增强方法进行了基准测试，包括经典扰动、嵌入空间检索和基于LLM的方法。研究发现，基于检索的过采样（EmbSMOTE）优于基于LLM的增强方法，并且保持类别条件结构比表面多样性更为重要。