[发明专利]样本扩充方法、终端、装置及可读存储介质

说明书

本发明公开了一种样本扩充方法、装置、终端及可读存储介质，所述方法包括：在预设的已标注样本数据集中选出样本数据作为种子数据，并基于所述种子数据选取词数据，而后获取所述词数据的词类型，并基于所述词类型确定所述已标注样本数据集的扩充方式，接下来基于所述扩充方式对所述种子数据中所述词数据进行更新，将更新后的种子数据作为扩充样本数据，以对所述已标注样本数据集进行扩充。通过不同的扩充方式对已标注样本数据进行样本数据的扩充，降低了获取标注样本的成本，提升了样本扩充效率，同时生成的扩充样本数据与已标注样本数据服从相同的数据分布，可以保证利用扩充样本进行序列标注模型训练生成的模型，具有很高的鲁棒性和准确性。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种样本扩充方法、终端、装置及可读存储介质。

背景技术

在机器学习领域，数据标注是机器感知现实世界的起点，从某种程度上来说，没有经过标注的数据就是无用数据。尤其是训练序列标注模型需要大量的标注数据，可以购买第三方已标注的样本数据，但是费用非常昂贵，如果采用人工标注的方式对数据进行标注，不但复杂度比较高，而且当词标签比较多时，标注耗时较长，导致生成序列标注模型的训练样本数据的效率不高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种样本扩充方法、终端、装置及可读存储介质，旨在解决现有获取用于序列标注模型训练的标注样本成本高、耗时长，导致标注样本扩充效率低的技术问题。

为实现上述目的，本发明提供一种样本扩充方法，所述的样本扩充方法包括以下步骤：

在预设的已标注样本数据集中选出样本数据作为种子数据，并基于所述种子数据选取词数据；

获取所述词数据的词类型，并基于所述词类型确定所述已标注样本数据集的扩充方式；

基于所述词类型对应的扩充方式，对所述种子数据中所述词数据进行更新，将更新后的种子数据作为扩充样本数据，以对所述已标注样本数据集进行扩充。

此外，为实现上述目的，本发明还提供一种终端，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的样本扩充程序，所述样本扩充程序被所述处理器执行时实现上述任一项所述的样本扩充方法的步骤。

此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有样本扩充程序，所述样本扩充程序被处理器执行时实现上述任一项所述的样本扩充方法的步骤。

本发明在预设的已标注样本数据集中选出样本数据作为种子数据，并基于所述种子数据选取词数据，而后获取所述词数据的词类型，并基于所述词类型确定所述已标注样本数据集的扩充方式，接下来基于所述扩充方式对所述种子数据中所述词数据进行更新，将更新后的种子数据作为扩充样本数据，以对所述已标注样本数据集进行扩充。通过不同的扩充方式对已标注样本数据进行样本数据的扩充，降低了获取标注样本的成本，提升了样本扩充效率，同时生成的扩充样本数据与已标注样本数据服从相同的数据分布，可以保证利用扩充样本进行序列标注模型训练生成的模型，具有很高的鲁棒性和准确性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境中终端的结构示意图；

图2为本发明样本扩充方法第一实施例的流程示意图；

图3为本发明样本扩充方法第二实施例的流程示意图；

图4为本发明样本扩充装置实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。