[发明专利]语料扩充方法、装置、设备和介质

权利要求书

1.一种语料扩充方法，包括：

提取至少一条未标注语料中的每条未标注语料的第一特征向量和标注语料的第二特征向量；

基于所述标注语料的第二特征向量，生成所述标注语料的一个或多个扰动向量；

基于所述标注语料的第二特征向量和所述一个或多个扰动向量，从所述至少一条未标注语料中确定与所述标注语料相匹配的一个或多个未标注语料，其中，所述相匹配的一个或多个未标注语料中每一个未标注语料的第一特征向量与所述一个或多个扰动向量和所述标注语料的第二特征向量中的至少一个相匹配；以及

将与所述标注语料匹配的未标注语料保存至所述标注语料所属的类别的集合，作为所述标注语料的扩充语料。

2.根据权利要求1所述的方法，其中，所述一个或多个扰动向量中的每个扰动向量具有一个或多个扰动维度，并且其中，

对于每个扰动向量的每个扰动维度，该扰动向量的相应维度值为所述第二特征向量的相应维度值与该扰动维度所对应的扰动值之和，其中，所述扰动值为所述第二特征向量的所述相应维度值与预设扰动比率的乘积。

3.根据权利要求2所述的方法，其中，所述一个或多个扰动向量中的每个扰动向量具有一个或多个非扰动维度，并且其中，

对于每个扰动向量的每个非扰动维度，该扰动向量的相应维度值为所述第二特征向量的相应维度值。

4.根据权利要求2或3所述的方法，其中，所述一个或多个扰动向量中的每个扰动向量仅具有一个扰动维度，并且，不同扰动向量的扰动维度不同。

5.根据权利要求1-4中任一项所述的方法，其中，所述提取至少一条未标注语料中的每条未标注语料的第一特征向量和标注语料的第二特征向量包括：

提取所述至少一条未标注语料中的每条未标注语料的关键词和所述标注语料的关键词；

对于所述至少一条未标注语料中的每条未标注语料，提取该条未标注语料的关键词的第一特征向量，作为该未标注语料的第一特征向量；以及

提取所述标注语料的关键词的第二特征向量，作为所述标注语料的第二特征向量。

6.根据权利要求5所述的方法，其中，所述从所述至少一条未标注语料中确定与所述标注语料相匹配的一个或多个未标注语料包括：

搜索所述至少一条未标注语料的第一特征向量中与所述一个或多个扰动向量和所述标注语料的第二特征向量中的至少一个相匹配的目标向量；以及

选择所述至少一条未标注语料中具有所述目标向量所对应的关键词的语料，作为所述至少一条未标注语料中与所述标注语料匹配的未标注语料。

7.根据权利要求1-4中任一项所述的方法，其中，所述提取至少一条未标注语料中的每条未标注语料的第一特征向量和标注语料的第二特征向量包括：

对于所述至少一条未标注语料中的每条未标注语料，提取该条未标注语料的句向量，作为该未标注语料的第一特征向量；以及

提取所述标注语料的句向量，作为所述标注语料的第二特征向量。

8.一种语料扩充装置，包括：

向量提取模块，被配置为：提取至少一条未标注语料中的每条未标注语料的第一特征向量和标注语料的第二特征向量；

扰动模块，被配置为：基于所述标注语料的第二特征向量，生成所述标注语料的一个或多个扰动向量；

搜索模块，被配置为：基于所述标注语料的第二特征向量和所述一个或多个扰动向量，从所述至少一条未标注语料中确定与所述标注语料相匹配的一个或多个未标注语料，其中，所述相匹配的一个或多个未标注语料中每一个未标注语料的第一特征向量与所述一个或多个扰动向量和所述标注语料的第二特征向量中的至少一个相匹配；以及

归类模块，被配置为：将与所述标注语料匹配的未标注语料保存至所述标注语料所属的类别的集合，作为所述标注语料的扩充语料。