[发明专利]基于人工智能的数据增强方法、装置、电子设备及介质

权利要求书

1.一种基于人工智能的数据增强方法，其特征在于，所述基于人工智能的数据增强方法包括：

当接收到数据增强请求时，从所述数据增强请求中提取原始文本；

将所述原始文本翻译成预设语言对应的翻译文本；

处理所述原始文本，得到第一矩阵，并处理所述翻译文本，得到第二矩阵；

根据所述第一矩阵及所述第二矩阵确定所述原始文本的目标矩阵；

对所述目标矩阵进行解码处理，得到与所述原始文本对应的中间文本；

对所述中间文本进行编码处理，得到编码结果，并对所述编码结果进行解码处理，得到与所述原始文本对应的目标文本；

将所述原始文本及所述目标文本输入至预先训练的判断网络模型中，得到所述原始文本对应的类型及所述目标文本对应的类型；

当所述原始文本对应的类型与所述目标文本对应的类型相同时，确定所述目标文本所属的异常类别；

当所述异常类别为预设类别时，融合所述目标文本及所述原始文本，得到训练文本。

2.如权利要求1所述的基于人工智能的数据增强方法，其特征在于，所述从所述数据增强请求中提取原始文本包括：

从预先建立的线程连接池中获取闲置线程；

利用所述闲置线程解析所述数据增强请求中的方法体，得到所述数据增强请求中携带的所有信息；

获取预设标签，并从所述所有信息中获取与所述预设标签对应的信息，作为所述原始文本。

3.如权利要求1所述的基于人工智能的数据增强方法，其特征在于，所述处理所述原始文本，得到第一矩阵包括：

过滤所述原始文本中的预设字符，得到过滤后的原始文本；

获取预设的自定义词典，所述自定义词典中包括多个自定义词及每个自定义词对应的权值；

根据所述自定义词典中的多个自定义词对所述过滤后的原始文本进行切分，得到切分位置；

根据所述切分位置，构建至少一个有向无环图；

根据所述自定义词典中自定义词对应的权值计算每个有向无环图的概率；

将概率最大的有向无环图对应的切分位置确定为目标切分位置；

根据所述目标切分位置切分所述过滤后的原始文本，得到多个分词；

确定所述原始文本所属的目标领域，根据所述目标领域确定向量映射文本；

根据所述向量映射文本确定所述多个分词对应的向量；

组合所述多个向量，得到所述第一矩阵。

4.如权利要求3所述的基于人工智能的数据增强方法，其特征在于，在将所述原始文本及所述目标文本输入至预先训练的判断网络模型中之前，所述基于人工智能的数据增强方法还包括：

根据所述目标领域获取历史语料；

将所述历史语料输入至遗忘门层进行遗忘处理，得到训练数据；

采用交叉验证法将所述训练数据划分为训练集及验证集；

将所述训练集中的数据输入至输入门层进行训练，得到学习器；

根据所述验证集中的数据，调整所述学习器中的参数，得到所述判断网络模型。

5.如权利要求1所述的基于人工智能的数据增强方法，其特征在于，所述根据所述第一矩阵及所述第二矩阵确定所述原始文本的目标矩阵包括：

对所述第一矩阵进行矩阵转置处理，得到第三矩阵；

将所述第二矩阵乘以所述第三矩阵，得到第一运算结果；

确定所述第一矩阵的维度，并将所述第一运算结果除以所述维度的平方根，得到所述第一矩阵与所述第二矩阵的相似度；

对所述相似度进行归一化处理，得到第二运算结果，并将所述第二运算结果乘以所述第一矩阵，得到所述原始文本的输出矩阵，所述输出矩阵包括多个行向量；

从每个行向量中提取预设字段的向量，得到每个行向量对应的子向量；

按照每个行向量在所述输出矩阵中的顺序拼接每个子向量，得到第三运算结果，并将所述第三运算结果乘以预设矩阵，得到所述目标矩阵。