[发明专利]数据增强方法及装置、存储介质、电子设备

权利要求书

1.一种数据增强方法，其特征在于，所述方法包括：

获取原始文本以及与所述原始文本对应的类别标签，并根据所述类别标签确定所述原始文本要增强的增强数量；

基于所述增强数量，对所述原始文本进行替换得到初始增强文本，并计算所述原始文本和所述初始增强文本之间的目标相似度；

根据所述目标相似度对所述初始增强文本进行过滤得到目标增强文本，以利用所述目标增强文本和所述原始文本训练文本分析模型。

2.根据权利要求1所述的数据增强方法，其特征在于，所述类别标签，包括：新闻类别、小说类别、剧本类别和诗歌类别。

3.根据权利要求1所述的数据增强方法，其特征在于，所述根据所述类别标签确定所述原始文本要增强的增强数量，包括：

获取与所述类别标签对应的目标数量，并统计所述原始文本的现有数量；

根据所述目标数量和所述现有数量计算所述原始文本要增强的增强数量。

4.根据权利要求1所述的数据增强方法，其特征在于，所述对所述原始文本进行替换得到初始增强文本，包括：

利用语言处理工具识别所述原始文本中的关键词，并确定所述原始文本中除所述关键词的其他词汇；

获取遮蔽符号，并利用所述遮蔽符号对所述其他词汇进行遮蔽得到遮蔽文本；

根据所述遮蔽文本预测目标词汇，并利用所述目标词汇替换所述遮蔽符号得到初始增强文本。

5.根据权利要求4所述的数据增强方法，其特征在于，所述根据所述遮蔽文本预测目标词汇，包括：

将所述遮蔽文本输入至预训练语言模型中，以使所述预训练语言模型预测目标词汇。

6.根据权利要求1所述的数据增强方法，其特征在于，所述在所述对所述原始文本进行替换得到初始增强文本之后，所述方法还包括：

替换所述初始增强文本中的关键词得到下一增强文本，以对所述初始增强文本和所述下一增强文本进行过滤得到目标增强文本。

7.根据权利要求1所述的数据增强方法，其特征在于，所述计算所述原始文本和所述初始增强文本之间的目标相似度，包括：

利用语言处理工具提取所述原始文本的第一词性属性，并根据所述第一词性属性生成第一词性序列；

利用语言处理工具提取所述初始增强文本的第二词性属性，并根据所述第二词性属性生成第二词性序列；

对所述第一词性序列和所述第二词性序列进行计算得到所述原始文本和所述初始增强文本之间的目标相似度。

8.根据权利要求1所述的数据增强方法，其特征在于，所述计算所述原始文本和所述初始增强文本之间的目标相似度，包括：

利用语言处理工具提取所述原始文本的第一句法结构，并根据所述第一句法结构生成第一句法序列；

利用语言处理工具提取所述初始增强文本的第二句法结构，并根据所述第二句法结构生成第二句法序列；

对所述第一句法序列和所述第二句法序列进行计算得到所述原始文本和所述初始增强文本之间的目标相似度。

9.根据权利要求1所述的数据增强方法，其特征在于，所述计算所述原始文本和所述初始增强文本之间的目标相似度，包括：

根据所述原始文本生成第三词性序列和第三句法序列，并根据所述初始增强文本生成第四词性序列和第四句法序列；

对所述第三词性序列和所述第四词性序列进行计算得到第一相似度，并对所述第三句法序列和所述第四句法序列进行计算得到第二相似度；

对所述第一相似度和所述第二相似度进行计算得到所述原始文本和所述初始增强文本之间的目标相似度。

10.根据权利要求9所述的数据增强方法，其特征在于，所述根据所述原始文本生成第三词性序列和第三句法序列，包括：

利用语言处理工具提取所述原始文本的第三词性属性，并根据所述第三词性属性生成第三词性序列；

利用所述语言处理工具提取所述原始文本的第三句法结构，并根据所述第三句法结构生成第三句法序列。