低资源语言情感识别的数据增强：跨语言迁移与合成数据生成？ 热门官方

回答：低资源语言（如东南亚小语种）标注数据稀缺（<1k样本），增强方法：①跨语言迁移：利用高资源语言（如英语、汉语）的预训练情感模型（如mBERT），通过语言适配器（Adapter）将高资源语言情感知识迁移至低资源语言，仅需500个低资源语言样本微调，识别准确率达65%（无迁移仅30%）；②合成数据生成：用低资源语言单语料+高资源语言情感平行语料，训练跨语言情感生成模型（如mT5），生成带情感标签的低资源语言文本（如用英语“我很愤怒”生成对应泰语“??????????”），合成数据量扩充10倍后，模型准确率提升至72%；③半监督学习：结合少量标注数据与大量无标注数据，用自训练（模型预测无标注数据伪标签，筛选高置信度样本加入训练集），进一步将准确率提升至78%。