[发明专利]文本数据生成方法、计算机设备及存储介质

说明书

本申请实施例提供了一种文本数据生成方法、计算机设备及存储介质，文本数据生成方法包括：获取无语法缺陷的第三文本；将所述第三文本输入生成模型，生成所述第三文本对应的第一生成文本，和用于指示所述第一生成文本存在语法缺陷的目标概率，所述生成模型是基于无语法缺陷的第一文本和有语法缺陷的第二文本训练得到的；根据所述第一生成文本对应的目标概率，确定所述第一生成文本为目标文本。生成模型学习到第二文本对应的语法错误规律，训练后的生成模型能够发挥生成结果多样的优异特性，可以自动构建出大量包含语法缺陷的文本。

技术领域

本申请涉及自然语言处理技术领域，尤其涉及一种文本数据生成方法、计算机设备及存储介质。

背景技术

语法检错任务的目标是检出文本中可能存在的语法错误，这些语法错误可以划分为“错别字”、“成分残缺”、“成分赘余”、“搭配不当”、“用词不当”、“语序不当”等类别。语法检错任务需要采用标注出语法错误的文本进行模型训练。但当前有语法错误标注的中文语料规模较小，获取难度较大，标注成本较高。

由于缺少足够多的标注数据，语法检错模型容易在小规模训练集上发生过拟合，这一问题严重制约语法检错模型效果的提升。另一方面，标注数据规模小同时意味着数据中的语法错误情况少，甚至会出现数据中绝大多数错误都是“的、得、地”误用的极端情况，这导致数据中的语只能在很少的错误类型上进行训练，难以学习到足够泛化的知识。

发明内容

本申请实施例提供一种文本数据生成方法、计算机设备及存储介质，能够自动构造得到大量高质量包含语法缺陷的文本，以便利用这些文本更好的优化语法检错模型的效果。

第一方面，本申请提供了一种文本数据生成方法，包括：

获取无语法缺陷的第三文本；

将所述第三文本输入生成模型，生成所述第三文本对应的第一生成文本，和用于指示所述第一生成文本存在语法缺陷的目标概率，所述生成模型是基于无语法缺陷的第一文本和有语法缺陷的第二文本训练得到的；

根据所述第一生成文本对应的目标概率，确定所述第一生成文本为目标文本。

第二方面，本申请提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现上述方法的步骤。

第三方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，若所述计算机程序被处理器执行，实现上述方法的步骤。

本申请公开了一种文本数据生成方法、计算机设备及存储介质，包括：获取无语法缺陷的第三文本；将第三文本输入生成模型，生成第三文本对应的第一生成文本，和用于指示第一生成文本存在语法缺陷的目标概率，生成模型是基于无语法缺陷的第一文本和有语法缺陷的第二文本训练得到的；根据第一生成文本对应的目标概率，确定第一生成文本为目标文本。基于第一文本和第二文本训练训练后的生成模型能够发挥生成结果多样的优异特性，可以自动构建出大量包含语法缺陷的文本，从而可以通过扩展语料规模来提升语法检错模型的效果。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中生成包含语法错误的句子的示意图；

图2为本申请一实施例的文本数据生成方法的流程示意图；

图3为一实施方式中文本数据生成方法的应用场景示意图；

图4为一实施方式中文本数据生成方法的示意图；

图5为一实施方式中生成模型的结构示意图；