[发明专利]意图识别的样本数据增强方法、装置、计算机设备及介质

说明书

本申请涉及模型训练的数据增广领域，揭示了一种意图识别的样本数据增强方法、装置、计算机设备及存储介质，方法包括：获取第一样本数据；基于自然语言算法对所述第一样本数据进行切词，得到第一单词；识别所述第一单词的语义，将所述第一单词转化为相同语义的第二单词，根据所述第一样本数据与所述第二单词生成第二样本数据；获取所述第一单词中使用频率满足预设值的第三单词，将所述第三单词转化为相同音的第四单词，根据所述第一样本数据与所述第四单词生成第三样本数据；将所述第一样本数据、所述第二样本数据、所述第三样本数据进行关联数据增强，生成意图识别模型的训练样本数据。本申请能够提高训练样本数据的数据量及获取效率。

技术领域

本申请涉及到人工智能技术领域，特别是涉及到一种意图识别的样本数据增强方法、装置、计算机设备及存储介质。

背景技术

随着互联网技术的发展，对话意图识别是对话流程中的一个基础任务。通过用户对话文本数据，用于判断用户的对话意图。模型训练需要大量的训练数据，而目前大多是通过收集用户的真实对话数据作为训练数据，真实对话数据难以大量、快速地获得，导致目前模型训练存在真实对话数据的数据量较少且获取效率不高的现象，导致训练的模型不准确。

发明内容

本申请的主要目的为提供一种意图识别的样本数据增强方法、装置、计算机设备及存储介质，旨在解决目前在模型训练的样本数据少、获取效率低导致模型训练不准确的问题。

为了实现上述发明目的，本申请提出一种意图识别的样本数据增强方法，包括：

获取第一样本数据，所述第一样本数据为意图识别模型的初始训练数据；所述初始训练数据为真实对话数据；

基于自然语言算法对所述第一样本数据进行切词，得到第一单词；

识别所述第一单词的语义，将所述第一单词基于预建立的同义词表转化为相同语义的第二单词，根据所述第一样本数据与所述第二单词生成第二样本数据；

获取所述第一单词中使用频率满足预设值的第三单词，基于预建立的同音字表将所述第三单词转化为相同音的第四单词，根据所述第一样本数据与所述第四单词生成第三样本数据；

将所述第一样本数据、所述第二样本数据、所述第三样本数据进行关联数据增强，生成意图识别模型的训练样本数据。

进一步地，所述将所述第一单词基于预建立的同义词表转化为相同语义的第二单词，根据所述第一样本数据与所述第二单词生成第二样本数据，包括：

选取所述第一样本数据中的任意一个单词作为第一单词；

基于预建立的同义词表为所述第一单词匹配相同语义的第二单词；

将所述第一样本数据的第一单词替换为所述第二单词，生成第二样本数据。

进一步地，所述获取所述第一单词中使用频率满足预设值的第三单词之前，还包括：

获取所述第一样本数据的应用场景；

获取基于大数据预采集的所述应用场景下的单词库，所述单词库中包含多个单词；

根据各单词在所述单词库的出现频次，确定所述应用场景对应的预设值。

进一步地，所述生成意图识别模型的训练样本数据之后，还包括：

获取所述训练样本数据的意图；

统计各个意图的训练样本数据的数据量；

获取所述训练样本数据的数据量低于预设阈值的目标意图，对所述目标意图进行训练样本数据增强。

进一步地，所述对所述目标意图进行训练样本数据增强，包括：

获取所述目标意图的待增强样本数据；