[发明专利]基于人工智能的文本数据增强方法及相关设备

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，所述方法包括：

S10，训练文本生成模型，所述文本生成模型的输出为输入文本的相似文本，所述文本生成模型包括输入层、编码层和输出层；

S11，将待增强文本作为所述输入层的输入文本，得到所述编码层输出的隐向量，所述待增强文本包括文本标签，所述隐向量为所述输入文本的特征向量；

S12，基于所述文本标签和文本分类模型更新所述隐向量，并将更新后的隐向量输入所述输出层以获取增强字符；

S13，若所述增强字符不是终止字符，将所述增强字符和所述待增强文本作为所述输入层的输入文本以获取新的隐向量，并重复步骤S12以获取新的增强字符，直到新的增强字符为终止字符时执行步骤S14；

S14，将所有增强字符按照获取的先后顺序进行排列，得到所述待增强文本的增强文本数据。

2.如权利要求1所述的基于人工智能的文本数据增强方法，其特征在于，所述训练文本生成模型包括：

对于带有文本标签的文本数据，将相同文本标签的任意两个文本数据作为一组相似对；

对于不带文本标签的文本数据，计算任意两个文本数据的语义相似度，若所述语义相似度大于预设阈值，则将所述两个文本数据作为一组相似对；

储存所有相似对作为生成训练集；

从所述生成训练集中随机挑选一个相似对作为训练对，将所述训练对中任意一个文本数据作为输入文本，将另外一个文本数据作为目标文本；

将所述输入文本输入所述文本生成模型得到输出结果，基于所述输出结果和所述目标文本计算预设损失函数的数值，并基于梯度下降法更新所述文本生成模型；

不断从所述生成训练集中随机挑选训练对以更新所述文本生成模型，直到所述预设损失函数的数值不再变化时，停止更新，完成文本生成模型的训练。

3.如权利要求2所述的基于人工智能的文本数据增强方法，其特征在于，所述计算任意两个文本数据的语义相似度包括：

依据文本特征提取模型分别提取任意两个文本数据的语义向量；

基于所述语义向量计算所述任意两个文本数据的语义相似度，所述语义相似度满足关系式：

Sim(i,j)＝exp(-D(h_i,h_j))

其中，Sim(i,j)表示文本数据i和文本数据j之间的语义相似度，h_i,h_j分别文本数据i和文本数据j对应的语义向量，D(h_i,h_j)表示计算h_i,h_j之间的距离。

4.如权利要求1所述的基于人工智能的文本数据增强方法，其特征在于，所述方法还包括：训练文本分类模型，具体包括：

所述文本分类模型包括特征提取层和分类层；

采集多个带有所述文本标签的文本数据作为分类训练集；

从所述分类训练集中随机挑选一个文本数据作为训练文本；

将所述训练文本输入所述特征提取层以输出语义特征，将所述语义特征输入所述分类层以输出分类结果；

基于所述分类结果和所述训练文本的文本标签构建交叉熵损失函数，并基于梯度下降法更新所述文本分类模型；

不断从所述分类训练集中随机挑选训练文本以更新所述文本分类模型，直到所述交叉熵损失函数的数值不再变化时停止更新，完成文本分类模型的训练，所述文本分类模型的输入为文本数据，输出为所述文本数据的分类结果。

5.如权利要求1所述的基于人工智能的文本数据增强方法，其特征在于，所述基于所述文本标签和文本分类模型更新所述隐向量包括：

A1，将所述隐向量输入所述文本分类模型中的分类层得到隐向量分类结果；

A2，基于所述隐向量分类结果和所述文本标签构建交叉熵损失函数；

A3，基于所述交叉熵损失函数更新所述隐向量以获取更新后的隐向量；

A4，将步骤A1到步骤A3重复执行预设次数后，停止所述隐向量的更新。