一种文本数据增强方法、电子设备及存储介质技术

本发明专利技术提供了一种文本数据增强方法、存储介质和电子设备，所述方法包括：接收输入的原始文本数据；基于设定标注模式对接收的原始文本数据进行标注，形成与原始文本数据对应的原始文本标签数据；基于原始文本数据和原始文本标签数据生成m个对应的增强文本数据和增强文本标签数据。本发明专利技术由于基于原始文本数据和原始文本标签数据生成m个对应的增强文本数据和增强文本标签数据，使得生成的增强文本数据带有标签，因此能够减少标注时间，提高标注效率。提高标注效率。提高标注效率。

【技术实现步骤摘要】
一种文本数据增强方法、电子设备及存储介质


[0001]本专利技术涉及文本数据增强领域，特别是涉及一种文本数据增强方法、电子设备及存储介质。

技术介绍

[0002]在一些应用场景下，需要利用海量的数据源对模型进行训练，以提高模型的准确性。然而，由于多种原因，很难找到合适的海量的数据源。为获得海量的数据源，当前的一种解决方案是进行数据增强，即利用数据增强技术对有限的数据源进行增强，以得到所需数量的数据源。这种方式能够解决数据源数量的问题，但是得到的增强数据是不带标签的，这样，在需要标注任务的模型时，还需要对增强数据进行标注，占用时间多，标注效率低。

技术实现思路

[0003]针对上述技术问题，本专利技术采用的技术方案为：本专利技术实施例提供一种文本数据增强方法，所述方法包括如下步骤：S100，接收输入的原始文本数据；S200，基于设定标注模式对接收的原始文本数据进行标注，以为原始文本数据中的每个文字添加对应的标签，形成与原始文本数据对应的原始文本标签数据；S300，基于所述原始文本数据和原始文本标签数据生成m个对应的增强文本数据和增本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本数据增强方法，其特征在于，所述方法包括如下步骤：S100，接收输入的原始文本数据；S200，基于设定标注模式对接收的原始文本数据进行标注，以为原始文本数据中的每个文字添加对应的标签，形成与原始文本数据对应的原始文本标签数据；S300，基于所述原始文本数据和原始文本标签数据生成m个对应的增强文本数据和增强文本标签数据，m≥2；其中，在S300中，任一增强文本数据i和增强文本标签数据i通过如下方式生成：S301，基于原始文本数据形成的高维向量C和空集，从设定标注模式的标签中获取位于增强文本标签数据i的第1位置的标签；S302，从设定的候选词词典中获取与所述第1位置的标签相对应的候选词，形成第1候选词集合；S303，从第1候选词集合中获取位于增强文本数据i的第1位置的候选词；S304，如果第k位置的候选词不是设定的结束标识符，执行S305；否则，执行S308；k≥1；S305，设置k=k+1，并根据C以及第1至第（k
‑
1）位置的候选词，从设定标注模式中的标签中获取位于增强文本标签数据i的第k位置的标签；S306，从设定的候选词词典中获取与第k位置的标签相对应的候选词，形成第k候选词集合；S307，从第k候选词集合中获取位于增强文本数据i的第k位置的候选词；执行S304；S308，结束流程，得到增强文本数据i和增强文本标签数据i。2.根据权利要求1所述的方法，其特征在于，还包括以下步骤：S400，计算第一文本相似度集D1=（D11，D12，
…
，D1
i
，
…
，D1
m
...

【专利技术属性】
技术研发人员：张正义，傅晓航，刘羽，刘宸，
申请(专利权)人：中科雨辰科技有限公司，
类型：发明
国别省市：