[发明专利]数据生成方法、装置及可读存储介质

权利要求书

1.一种数据生成方法，其特征在于，包括：

对初始第一语言文本进行加噪处理，得到加噪后的第一语言文本；

根据预训练语言模型对所述加噪后的第一语言文本进行处理，得到目标第一语言文本；

对所述目标第一语言文本进行反翻译处理，得到第二语言文本；

基于所述目标第一语言文本和所述第二语言文本，得到用于训练翻译模型的训练数据。

2.根据权利要求1所述的方法，其特征在于，所述第一语言文本为篇章级文本；

所述对所述目标第一语言文本进行反翻译处理，得到第二语言文本，包括：

对所述目标第一语言文本进行拆分，得到多个目标第一语言子文本；其中，所述第一语言子文本为句子级文本；

根据反向翻译模型，对所述多个目标第一语言子文本进行所述反翻译处理，得到多个第二语言子文本；

对所述多个第二语言子文本进行融合处理，得到所述第二语言文本。

3.根据权利要求1所述的方法，其特征在于，所述对初始第一语言文本进行加噪处理，得到加噪后的第一语言文本，包括：

对所述初始第一语言文本进行删减替换加噪处理，得到加噪后的第一语言文本，所述加噪后的第一语言文本相对于所述初始第一语言文本缺失预设数量或预设位置的词。

4.根据权利要求1所述的方法，其特征在于，所述对初始第一语言文本进行加噪处理，得到加噪后的第一语言文本，包括：

对所述初始第一语言文本进行乱序加噪处理，得到加噪后的第一语言文本，所述加噪后的第一语言文本相对于所述初始第一语言文本句子顺序或词序不同。

5.根据权利要求1所述的方法，其特征在于，所述预训练语言模型为双向自回归变压器模型。

6.根据权利要求2所述的方法，其特征在于，所述反向翻译模型通过如下方式训练得到：

获取多个训练样本；其中，每个所述训练样本包括样本第一语言子文本和样本第二语言子文本；其中，所述样本第一语言子文本和所述样本第二语言子文本为所述句子级文本；

基于多个训练样本迭代更新初始反向翻译模型的参数以减小各训练样本对应的损失函数值，得到训练好的反向翻译模型；

其中，各训练样本对应的损失函数值通过以下过程确定：

通过反向翻译模型处理所述样本第一语言子文本，得到预测的第二语言子文本；

至少基于所述预测的第二语言子文本和所述样本第二语言子文本的差异，确定损失函数值。

7.根据权利要求6所述的方法，其特征在于，所述反向翻译模型为Transformer模型。

8.一种数据生成装置，其特征在于，包括：

加噪模块，被配置为对初始第一语言文本进行加噪处理，得到加噪后的第一语言文本；

处理模块，被配置为根据预训练语言模型对所述加噪后的第一语言文本进行处理，得到目标第一语言文本；

反翻译模块，被配置为对所述目标第一语言文本进行反翻译处理，得到第二语言文本；

训练数据确定模块，被配置基于所述目标第一语言文本和所述第二语言文本，得到用于训练翻译模型的训练数据。

9.一种数据生成装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述存储器中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1～7中任一项所述方法的步骤。