[发明专利]文本数据的增强方法、装置、设备及计算机可读存储介质

权利要求书

1.一种文本数据的增强方法，其特征在于，所述方法包括：

获取待进行数据增强的训练文本数据；

在所述训练文本数据中确定至少一个需要进行替换的目标内容，所述目标内容的内容类型为文字、词语、命名实体和句子中的任一种；

确定各个目标内容分别对应的参考内容，任一目标内容对应的参考内容与所述任一目标内容的内容类型相同、且与所述任一目标内容的内容不同；

将所述训练文本数据中的目标内容替换为所述目标内容对应的参考内容，得到目标文本数据，所述训练文本数据和所述目标文本数据用于对神经网络模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述在所述训练文本数据中确定至少一个需要进行替换的目标内容，包括：

确定所述训练文本数据中包括的候选内容的第一数量，所述候选内容的内容类型与所述目标内容的内容类型相同；

根据所述第一数量和内容增强比率，确定第二数量，所述第二数量为需要进行替换的内容的个数，所述内容增强比率基于所述候选内容的内容类型确定；

在所述训练文本数据中包括的候选内容中确定所述第二数量个互不相同的候选内容；

将所述第二数量个互不相同的候选内容作为所述目标内容。

3.根据权利要求1所述的方法，其特征在于，所述确定各个目标内容分别对应的参考内容，包括：

确定各个目标内容分别对应的内容类型；

基于所述各个目标内容分别对应的内容类型，确定所述各个目标内容分别对应的参考内容的确定方式；

按照所述各个目标内容分别对应的参考内容的确定方式，确定所述各个目标内容分别对应的参考内容。

4.根据权利要求1所述的方法，其特征在于，所述目标内容的内容类型为文字；

所述确定各个目标内容分别对应的参考内容，包括：

针对至少一个需要进行替换的文字中的任一个文字，确定所述任一个文字对应的字形结构；

将第一文字作为所述任一个文字对应的参考内容，所述第一文字对应的字形结构与所述任一个文字对应的字形结构相同。

5.根据权利要求1所述的方法，其特征在于，所述目标内容的内容类型为文字；

所述确定各个目标内容分别对应的参考内容，包括：

针对至少一个需要进行替换的文字中的任一个文字，确定所述任一个文字对应的拼音；

将第二文字作为所述任一个文字对应的参考内容，所述第二文字对应的拼音与所述任一个文字对应的拼音相同。

6.根据权利要求1所述的方法，其特征在于，所述目标内容的内容类型为词语；

所述确定各个目标内容分别对应的参考内容，包括：

针对至少一个需要进行替换的词语中的任一个词语，确定所述任一个词语对应的特征向量；

确定多个待选词语分别对应的特征向量；

基于所述任一个词语对应的特征向量和所述多个待选词语分别对应的特征向量，确定所述多个待选词语分别和所述任一个词语之间的相似度；

将所述多个待选词语中相似度满足相似度阈值的待选词语作为所述任一个词语对应的参考内容。

7.根据权利要求1所述的方法，其特征在于，所述目标内容的内容类型为命名实体；

所述确定各个目标内容分别对应的参考内容，包括：

针对至少一个需要进行替换的命名实体中的任一个命名实体，确定所述任一个命名实体对应的命名实体类型；

将参考命名实体作为所述任一个命名实体对应的参考内容，所述参考命名实体对应的命名实体类型与所述任一个命名实体对应的命名实体类型相同。

8.根据权利要求1所述的方法，其特征在于，所述目标内容的内容类型为句子；

所述确定各个目标内容分别对应的参考内容，包括：

针对至少一个需要进行替换的句子中的任一个句子，确定所述任一个句子在所述训练文本数据中的位置；

基于所述任一个句子在所述训练文本数据中的位置，确定所述任一个句子对应的参考内容。