[发明专利]数据增强方法、系统、存储介质及电子设备

权利要求书

1.一种数据增强方法，其特征在于，包括：

输入步骤：获取待处理数据，将所述待处理数据复制两份输入到Bert模型；

模型处理步骤：通过所述Bert模型对所述待处理数据进行处理，获得处理结果；

预测步骤：所述Bert模型对所述处理结果进行计算，获得预测结果。

2.如权利要求1所述的数据增强方法，其特征在于，所述模型处理步骤包括：

模型构建步骤：在基础的NER模型上采用Bert序列构建Bert模型；

特征提取步骤：通过所述Bert模型对所述待处理数据进行特征提取获得特征数据；

计算步骤：对所述特征数据进行计算后获得所述预测结果。

3.如权利要求2所述的数据增强方法，其特征在于，所述模型处理步骤还包括：

模型训练步骤：基于两个样本数据通过计算两个所述样本数据特征的交叉熵损失，以权重为4叠加两个所述样本数据特征的KL散度之和对所述Bert模型进行训练。

4.如权利要求2所述的数据增强方法，其特征在于，所述特征提取步骤包括：

调整所述Bert模型中的Dropout参数。

5.一种数据增强系统，其特征在于，包括：

输入模块，输入模块所述获取待处理数据，将所述待处理数据复制两份输入到Bert模型；

模型处理模块，所述模型处理模块通过所述Bert模型对所述待处理数据进行处理，获得处理结果；

预测模块，所述Bert模型对所述处理结果进行计算，所述预测模块获得预测结果。

6.如权利要求5所述的数据增强系统，其特征在于，所述模型处理模块包括：

模型构建单元，所述模型构建单元在基础的NER模型上采用Bert序列构建Bert模型；

特征提取单元，所述特征提取单元通过所述Bert模型对所述待处理数据进行特征提取获得特征数据；

计算单元，所述计算单元对所述特征数据进行计算后获得所述预测结果。

7.如权利要求6所述的数据增强系统，其特征在于，所述模型处理模块还包括：

模型训练单元，所述模型训练单元基于两个样本数据通过计算两个所述样本数据特征的交叉熵损失，以权重为4叠加两个所述样本数据特征的KL散度之和对所述Bert模型进行训练。

8.如权利要求6所述的数据增强系统，其特征在于，所述特征提取单元包括：

调整所述Bert模型中的Dropout参数。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的数据增强方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的数据增强方法。