[发明专利]文本数据增强方法、系统和计算机设备和存储介质

摘要

本申请涉及一种文本数据增强方法、系统和计算机可读存储介质，其中，该方法包括：从一文本训练数据集中提取实体，并利用一预训练模型从每一实体中获取其对应的词向量；通过聚类将词向量对应的实体划分至对应的类簇，构建一实体类簇字典；选定目标文本并确定目标文本对应的待替换实体，根据实体类簇字典选取替换实体完成替换，生成增强样本数据集。本申请使用预训练模型获取实体的词向量时，把实体当做整体，进行预训练模型的二次训练，进而可以直接获取实体词向量的方法，并利用词向量对实体进行更细致的聚类划分，以实现文本数据增强，且避免在此过程中引入不必要的噪音。