基于GAN的数据增强以提升仇恨言论检测效果：SeqGAN应用

基于GAN的数据增强，可改善仇恨语音检测 SeqGAN数据增强用于改善仇恨语音检测，我们将SMOTE过采样方法用作基准。 我们还使用了四个训练有素的分类器-SVM，LSTM，BERT，Logistic回归。 要求 Tensorflow 1.15.0 Python 3.7 分类模型 如果要使用分类模型，请直接单击分类模型文件夹，在其中您将看到两个.ipynb文件，其中包含所有4个分类模型。 模型中使用的csv格式的训练集，测试集和验证集可以在数据集文件夹中看到。 SMOTE过采样 如果要实现SMOTE过采样，则只需打开SMOTE Oversamling文件夹。 其中也有两个.ipynb文件，它们是SMOTE算法之后的4个分类模型的结果。 点击任何文件，可以看到实现SMOTE的具体方法，需要注意的是SMOTE算法只能用于不平衡数据集。