我有一个数据集，其中这些是数据的分布：

Neutral.  15000
Negative  3000
positive  2000

我最感兴趣的是提高负面类别的表现。我想说中立和积极对我来说并不重要。我正在使用Bert 模型。

到目前为止我已经尝试过：

1. 欠采样数据：负类结果较差
2. 使用不同的方法来增强数据NLPaug。结果不仅没有改善，反而下降了4%
3. 班级重量。给负类更多的权重，但不影响结果，在某些情况下下降
4. 我试图改变 batch_size epoch 等......它只有 0.5% 的改进

现在我的问题是，这可能是什么问题？（我需要检查我的数据集吗？）

还有什么我可以尝试改进我的模型？，这是我到目前为止的一般结果

Negative 65
positive 72
neutral  90

这是我的混淆矩阵：

               Pred_negative Pred_neutral Pred_positive
True_negative   138            101           3
True_neutral    53             1408          24
True_positive   2              25            69

我需要将负面类别至少提高 5%。