PofoliaPofolia ile paylaşıldı

Political Analysis· 2026Q1

LLM'ler Nadir Kategoriler İçin Sınıflandırma Doğruluğunu Artırmak Üzere Sentetik Metin Üretiyor

The Synthetic Imputation Approach: Using LLMs to Generate Synthetic Texts for Underrepresented Categories in Supervised Classification Tasks

Joan C. Timoneda

Kısa özet

Yeni bir 'sentetik atıf' yöntemi, az temsil edilen kategoriler için yapay metin örnekleri oluşturmak üzere üretken LLM'leri kullanır ve siyaset bilimi uygulamalarında denetimli sınıflandırma performansını önemli ölçüde iyileştirir.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Üretken LLM'ler kullanarak az temsil edilen kategoriler için metin verileri oluşturan 'sentetik atıf' yöntemini tanıtır.
  • Yöntem, seyrek kategorileri genişletmek için LLM'leri insan tarafından kodlanmış örneklerin küçük, dönen alt kümelerine koşullandırır.
  • Sentetik atıf, orijinal verileri yeniden ifade etmeden veya değiştirmeden yalnızca veri kıt olan yerlere bilgilendirici varyasyon ekler.
  • Değerlendirmeler, seyrek kategoriler için sınıflandırıcı performansında ve değerlendirme kararlılığında önemli iyileşmeler göstermektedir.
  • Yaklaşım, tam örneklem performansını kurtarır ve çok düşük örneklem boyutlarında sınırlı, öngörülebilir aşırı uyum sergiler.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Abstract Annotated text data are central to many empirical applications in political science, yet many annotation tasks involve categories that are sparsely populated. These low- N categories pose problems for both encoder-only and decoder-only (generative) Transformer large language models (LLMs), leading to low performance, biased evaluation and measurement error in downstream analyses. This article introduces the synthetic imputation approach, a targeted method for expanding sparse categories while remaining consistent with the category-defining content of the human-coded examples. The approach uses a generative LLM to produce additional texts for underrepresented categories by conditioning on small, rotating subsets of human-coded examples. Rather than paraphrasing or replacing the original data, synthetic imputation adds informative variation only where data are thin. I evaluate the approach using both encoder-only and decoder-only LLM classifiers across multiple political science applications. The results show that synthetic imputation substantially improves performance and evaluation stability in sparse settings, recovering full-sample performance once a modest number of true observations is available, with limited and predictable overfitting at very low levels of N .

Yazarların özeti; kaynağından alınmıştır. Political Analysis, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Alan: Genel Sosyal Bilimler

General Social SciencesSocial Sciences