加入标点符号进行增强，仅适用于文本分类_无标点的文本序列进行符号添加的方法

在1到1/3的句子长度中，随机生成一个数字a。用a个标点符号在句子中随机插入。这些标点符号为：['.', ',', '!', '?', ';', ':']。
理论基础：对于文本分类来说，EDA方法，如论是同义词替换，还是随机替换、随机插入、随机删除，都改变了原始文本的序列信息；而AEDA方法，只是插入标点符号，对于原始数据的序列信息修改不明显。
代码：

PUNCTUATIONS = ['.', ',', '!', '?', ';', ':']
PUNC_RATIO = 0.3


def insert_punctuation_marks(sentence, punc_ratio=PUNC_RATIO):
  words = sentence.split(' ')
  new_line = []
  q = random.randint(1, int(punc_ratio * len(words) + 1))
  qs = random.sample(range(0, len(words)), q)

  for j, word in enumerate(words):
    if j in qs:
      new_line.append(PUNCTUATIONS[random.randint(0, len(PUNCTUATIONS)-1)])
      new_line.append(word)
    else:
      new_line.append(word)
  new_line = ' '.join(new_line)
  return new_line
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

引用：EMNLP2021之AEDA：一种更简单的文本分类数据增强技术