[发明专利]一种语音或文本数据的数据增强方法及装置

权利要求书

1.一种语音或文本数据的数据增强方法，其特征在于，包括：

针对语料数据按意图分类后得到的每一个分类意图，将属于所述分类意图的单句与属于相关分类意图的单句进行拼接，得到拼接后的长句；其中，属于所述分类意图的单句以及所述相关分类意图根据当前语料数据确定，所述语料数据包括语音或文本数据；

根据所述拼接后的长句中每个单句对应的单句意图的等级权重确定所述拼接后的长句的长句意图，以将所述拼接后的长句加入所述当前语料数据中。

2.根据权利要求1所述的语音或文本数据的数据增强方法，其特征在于，所述将属于所述分类意图的单句与属于相关分类意图的单句进行拼接，包括：

选取属于所述分类意图的N个单句以及属于所述相关分类意图的M个单句；其中，N和M均为大于零的整数；

将所述N个单句与所述M个单句进行拼接。

3.根据权利要求2所述的语音或文本数据的数据增强方法，其特征在于，所述选取属于所述分类意图的N个单句以及属于所述相关分类意图的M个单句，包括：

选取所述分类意图中出现频率最高的N个单句以及所述相关分类意图中出现频率最高的M个单句。

4.根据权利要求1所述的语音或文本数据的数据增强方法，其特征在于，在所述针对语料数据按意图分类后得到的每一个分类意图，将属于所述分类意图的单句与属于相关分类意图的单句进行拼接，得到拼接后的长句之前，所述方法还包括：

获取所述当前语料数据；其中，所述当前语料数据包括多个长句以及每个长句对应的长句意图；

根据所述每个长句对应的长句意图对所述多个长句进行分类，得到多个分类意图以及属于每个分类意图的长句；

对每一个长句进行分句，得到所述长句包括的单句以及每一个单句对应的单句意图；

根据属于一个分类意图的所有单句的单句意图，确定所述分类意图对应的相关分类意图。

5.根据权利要求4所述的语音或文本数据的数据增强方法，其特征在于，所述根据属于一个分类意图的所有单句的单句意图，确定所述分类意图对应的相关分类意图，包括：

比较所述分类意图中除与所述分类意图相同的单句意图外其他的单句意图的出现频率；

将所述出现频率最高的P个分类意图确定为所述分类意图对应的相关分类意图；其中，P为大于零的整数。

6.根据权利要求1-5任一项所述的语音或文本数据的数据增强方法，其特征在于，所述根据所述拼接后的长句中每个单句对应的单句意图的等级权重确定所述拼接后的长句的长句意图，包括：

将所述拼接后的长句中等级权重最高的单句意图确定为所述拼接后的长句的长句意图。

7.根据权利要求1-5任一项所述的语音或文本数据的数据增强方法，其特征在于，在所述根据所述拼接后的长句中每个单句对应的单句意图的等级权重确定所述拼接后的长句的长句意图之后，所述方法还包括：

将所述拼接后的长句输入语义识别模型中进行语义识别，得到识别结果；

将所述识别结果与所述拼接后的长句的长句意图进行比较；

若所述识别结果与所述拼接后的长句的长句意图不相同，则将所述拼接后的长句加入所述当前语料数据中。

8.一种语音或文本数据的数据增强装置，其特征在于，包括：

拼接模块，用于针对语料数据按意图分类后得到的每一个分类意图，将属于所述分类意图的单句与属于相关分类意图的单句进行拼接，得到拼接后的长句；其中，属于所述分类意图的单句以及所述相关分类意图根据当前语料数据确定，所述语料数据包括语音或文本数据；

第一确定模块，用于根据所述拼接后的长句中每个单句对应的单句意图的等级权重确定所述拼接后的长句的长句意图，以将所述拼接后的长句加入所述当前语料数据中。