[发明专利]基于人工智能的文本数据增强方法及相关设备

说明书

本申请提出一种基于人工智能的文本数据增强方法、装置、电子设备及存储介质，基于人工智能的文本数据增强方法包括：获取文本生成模型，该模型包括输入层、编码层和输出层；将待增强文本输入输入层，得到编码层输出的隐向量；基于待增强文本的文本标签和文本分类模型更新隐向量，并将更新后的隐向量输入输出层得到增强字符；若增强字符不是终止字符，将增强字符和待增强文本输入输入层得到新的隐向量，按照相同的方法对新的隐向量进行更新并获取新的增强字符，直到新的增强字符为终止字符时，将所有增强字符按照获取的先后顺序排列，得到增强文本数据。本申请能在智能语音客服场景下保证增强数据多样性的同时保持文本标签不变。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于人工智能的文本数据增强方法、装置、电子设备及存储介质。

背景技术

在保险、银行、电商系统等多种场景中，智能语音客服被广泛应用。智能语音客服首先将用户以语音形式提出的问题转化为文本数据，并对文本数据进行分析以理解并识别用户意图，最后以拟人化的方式与用户沟通，向用户提供信息咨询等相关服务。智能语音客服的核心是理解并识别用户意图，明确用户意图后给出针对性的回答。

目前，通常使用深度学习模型对文本数据进行分析以理解并识别用户意图，然而，深度学习模型的效果高度依赖于大量的带有标签的文本数据，需要消耗大量的人力和时间。数据增强可以有效利用有限的带有标签的文本数据来提升深度学习模型的效果，减少对标签的依赖。

目前，文本数据增强常常采用回译的方法，即将文本翻译成另一种语种再翻译回原语种；还有通过对原文本中的一些词进行随机删除、随机插入、同义词替换等方法，然而，上述文本数据增强方法难以在保证增强数据多样性的同时保持增强数据的文本标签不变。

发明内容

鉴于以上内容，有必要提出一种基于人工智能的文本数据增强方法及相关设备，以解决如何在保证增强数据多样性的同时保持增强数据的文本标签不变这一技术问题，其中，相关设备包括基于人工智能的文本数据增强装置、电子设备及存储介质。

本申请提供基于人工智能的文本数据增强方法，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。

在一些实施例中，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；