[发明专利]基于人工智能的文本数据增强方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的文本数据增强方法，其特征在于，包括：

将文本数据库中的第一输入文本提供给文本生成模型，并由所述文本生成模型将所述第一输入文本转化成至少一条第一输出文本；

计算所述第一输出文本的语序流畅度；

将所述第一输出文本的语序流畅度与正确文本的语序流畅度比较；

当所述第一输出文本的语序流畅度大于或者等于所述正确文本的语序流畅度时，将所述第一输出文本作为第二输入文本提供给所述文本生成模型，以使得所述文本生成模型将所述第二输入文本转化成至少一条第二输出文本，直至所述文本生成模型满足预设条件，所述第二输出文本的语序流畅度小于所述正确文本的语序流畅度。

2.根据权利要求1所述基于人工智能的文本数据增强方法，其特征在于，计算所述第一输出文本的语序流畅度包括：

其中，

f(x)表示所述语序流畅度；P(x_i|x＜i)指的是给定所述第一输出文本的上文，所述第一输出文本的下文P(x_i)的语言模型概率。

3.根据权利要求2所述基于人工智能的文本数据增强方法，其特征在于，所述语言模型概率通过语言模型计算获得，所述语言模型包括n-gram语言模型和神经概率语言模型。

4.根据权利要求1所述基于人工智能的文本数据增强方法，其特征在于，所述将所述第一输出文本作为第二输入文本提供给所述文本生成模型的步骤包括：将所述第一输出文本与所述正确文本组成一个文本数据对，将所述文本数据对中的所述第一输出文本为所述第二输入文本提供给所述文本生成模型。

5.根据权利要求1所述的基于人工智能的文本数据增强方法，其特征在于，所述文本生成模型对所述第二输入文本进行错误训练，使得所述第二输出文本的语序流畅度小于所述正确文本的语序流畅度。

6.根据权利要求1所述的基于人工智能的文本数据增强方法，其特征在于，所述文本生成模型包括RNN结构模型和seq2seq模型。

7.根据权利要求1所述基于人工智能的文本数据增强方法，其特征在于，还包括：当所述第一输出文本的语序流畅度小于所述正确文本的语序流畅度时，将所述第一输出文本提供给所述文本生成模型。

8.一种基于人工智能的文本数据增强装置，其特征在于，包括：

文本训练模块，用于将文本数据库中的第一输入文本提供给文本生成模型，并由所述文本生成模型将所述第一输入文本转化成至少一条第一输出文本；

语序流畅度计算模块，用于计算所述第一输出文本的语序流畅度；

语序流畅度比较模块，用于将所述第一输出文本的语序流畅度与正确文本的语序流畅度比较；

输入文本增量模块，用于当所述第一输出文本的语序流畅度大于或者等于所述正确文本的语序流畅度时，将所述第一输出文本作为第二输入文本提供给所述文本生成模型，以使得所述文本生成模型将所述第二输入文本转化成至少一条第二输出文本，直至所述文本生成模型满足预设条件，所述第二输出文本的语序流畅度小于所述正确文本的语序流畅度。

9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述基于人工智能的文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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项基于人工智能的文本数据增强方法的步骤。