[发明专利]基于对抗插值的样本数据增强方法、装置、设备及介质

权利要求书

1.一种基于对抗插值的样本数据增强方法，其特征在于，包括：

获取已标注的第一样本数据，根据mixup算法对所述第一样本数据进行随机插值，得到第二样本数据；

通过梯度下降方法调整插值比例，得到更新后的插值比例；

根据所述更新后的插值比例，重新进行插值运算，得到增强的第三样本数据。

2.根据权利要求1所述的方法，其特征在于，根据mixup算法对所述第一样本数据进行随机插值，得到第二样本数据，包括：

从所述第一样本数据中随机抽取两个样本；

从Beta分布中随机抽取一个插值比例，得到随机插值比例；

根据抽取的样本数据、随机插值比例以及mixup算法进行随机插值，得到第二样本数据。

3.根据权利要求2所述的方法，其特征在于，根据如下公式进行随机插值，得到所述第二样本数据：

λ～Beta(α，α)

其中，{xi,yi}和{xj,yj}表示抽取的样本数据，λ表示插值的比例，Beta(α,α)表示beta分布，g_k(x_i)和g_k(x_j)表示xi和xj经过网络编码后的数据，表示根据插值比例λ将位置K的词的表示g_k(x_i)和g_k(x_j)进行插值融合后的增强数据，表示对于xi和xj对应的标签yi和yj进行插值融合后的增强数据。

4.根据权利要求1所述的方法，其特征在于，通过梯度下降方法调整插值比例，得到更新后的插值比例，包括：

根据预设的损失函数计算每个位置的插值损失；

对随机插值比例求偏导，根据随机插值比例的偏导值以及损失值计算当前的梯度；

根据得到的梯度更新所述随机插值比例，得到对抗方向上的最新插值比例。

5.根据权利要求4所述的方法，其特征在于，所述预设的损失函数如下公式所示：

其中，θ是模型的参数，i和j是真实标记数据的编号，f_rand表示随机插值操作，λ表示插值的比例，η表示对抗噪音，λ～Beta(α,α)，Beta(α,α)表示beta分布，l_mix表示插值的损失函数。

6.根据权利要求4所述的方法，其特征在于，根据如下公式计算当前的梯度，

其中，η表示梯度，Δλ表示随机插值比例的偏导，表示损失值。

7.根据权利要求4所述的方法，其特征在于，根据如下公式计算最新插值比例，

λ′＝λ+εη

其中，λ′表示最新插值比例，ε表示步长，η表示梯度。

8.一种基于对抗插值的样本数据增强装置，其特征在于，包括：

第一插值模块，用于获取已标注的第一样本数据，根据mixup算法对所述第一样本数据进行随机插值，得到第二样本数据；

插值比例更新模块，用于通过梯度下降方法调整插值比例，得到更新后的插值比例；

第二插值模块，用于根据所述更新后的插值比例，重新进行插值运算，得到增强的第三样本数据。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述的基于对抗插值的样本数据增强方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机指令，所述计算机指令被一个或多个处理器执行时，实现如权利要求1至7中任一项权利要求所述的基于对抗插值的样本数据增强方法的步骤。