[发明专利]数据增强方法和装置

权利要求书

1.一种数据增强方法，其特征在于，包括：

获取N个训练数据子集，每个训练数据子集对应一种情感类型，N为正整数；

根据所述N个训练数据子集的数据量分别与所述N个训练数据子集的数据总量之间的比例，从所述N个训练数据子集中确定待处理数据集；

对所述待处理数据集进行至少一次反向翻译，得到反向翻译数据集，所述反向翻译为对任意一个文本数据先进行非中文翻译后再进行中文翻译的过程；

根据所述N个训练数据子集和所述反向翻译数据集，获得目标训练数据集。

2.根据权利要求1所述的方法，其特征在于，所述根据所述N个训练数据子集的数据量分别与所述N个训练数据子集的数据总量之间的比例，从所述N个训练数据子集中确定待处理数据集，包括：

判断所述N个训练数据子集的数据量分别与所述N个训练数据子集的数据总量的比例是否小于预设比例；

将小于所述预设比例对应的训练数据子集确定为所述待处理数据集。

3.根据权利要求1所述的方法，其特征在于，所述根据所述N个训练数据子集的数据量分别与所述N个训练数据子集的数据总量之间的比例，从所述N个训练数据子集中确定待处理数据集，包括：

按照所述N个训练数据子集的数据量分别与所述N个训练数据子集的数据总量的比例由小到大的顺序，对所述N个训练数据子集进行排序；

将前M个训练数据子集确定为所述待处理数据集，N≥M，M为正整数。

4.根据权利要求1所述的方法，其特征在于，所述对所述待处理数据集进行至少一次反向翻译，得到反向翻译数据集，包括：

对所述待处理数据集进行英文翻译后再进行中文翻译，得到所述反向翻译数据集。

5.根据权利要求1所述的方法，其特征在于，所述获取N个训练数据子集，包括：

根据N种情感类型，对原始训练数据集进行分类，得到所述N个原始训练数据子集。

6.根据权利要求5所述的方法，其特征在于，所述N种情感类型包括高兴感谢、生气、失落、焦虑、迷茫、担忧或者其他中的至少一种。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

根据所述目标训练数据集，对初始训练模型进行训练，得到目标训练模型，所述目标训练模型用于确定待测数据对应的情感类型。

8.一种数据增强装置，其特征在于，包括：

获取模块，用于获取N个训练数据子集，每个训练数据子集对应一种情感类型，N为正整数；

确定模块，用于根据所述N个训练数据子集的数据量分别与所述N个训练数据子集的数据总量之间的比例，从所述N个训练数据子集中确定待处理数据集；

处理模块，用于对所述待处理数据集进行至少一次反向翻译，得到反向翻译数据集，所述反向翻译为对任意一个文本数据先进行非中文翻译后再进行中文翻译的过程；

所述处理模块，还用于根据所述N个训练数据子集和所述反向翻译数据集，获得目标训练数据集。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的数据增强方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的数据增强方法。