[发明专利]文本数据增强方法、装置、设备和介质

摘要

本申请涉及文本数据增强方法、装置、设备和介质，方法包括：获取待处理的原始数据集；确定原始数据集中每个句子的扩展数量N，根据扩展数量N将每个句子复制N份，N为正整数；分别根据每个句子的长度确定每个句子的随机替换比例；根据任务选取设定的缩略语替换方式，分别利用选取的缩略语替换方式根据随机替换比例对复制后的每个句子进行待替换词抽取；缩略语替换方式包括随机抽取、主题词抽取或连续抽取；分别利用每个句子的待替换词的首字母替换各对应的待替换词，得到扩充数据集；将原始数据集与扩充数据集合并得到增强数据集。无需借助额外设计的语言模型或是额外输入的数据，有效地显著提升机器学习模型在小数据集上的性能。