[发明专利]样本数据的生成方法、装置、设备和存储介质

权利要求书

1.一种样本数据的生成方法，其特征在于，包括：

获取包含命名实体的病历语句；

在预设语料库中查找包括所述命名实体且与所述病历语句的相似度值满足预设范围的多个目标语料；

根据所述多个目标语料和预设的问句模板，生成预训练语言模型的样本数据。

2.根据权利要求1所述的方法，其特征在于，所述在预设语料库中查找包括所述命名实体且与所述病历语句的相似度值满足预设范围的多个目标语料，包括：

在所述预设语料库中查找包括所述命名实体的候选语句；

获取所述候选语句与所述病历语句的相似度值；

将与所述病历语句的相似度值小于预设阈值的多个候选语句作为所述多个目标语料。

3.根据权利要求2所述的方法，其特征在于，所述获取所述候选语句与所述病历语句的相似度值，包括：

去除所述病历语句所在的病历中的候选语句，得到目标候选语句；

将所述目标候选语句和所述病历语句输入向量转换模型，得到所述目标候选语句对应的候选向量以及所述病历语句对应的语句向量；

计算所述候选向量与所述语句向量之间的余弦值，得到所述目标候选语句与所述病历语句的相似度值。

4.根据权利要求3所述的方法，其特征在于，所述将与所述病历语句的相似度值小于预设阈值的多个候选语料作为所述多个目标语料，包括：

将与所述病历语句的相似度值小于所述预设阈值的目标候选语句按照相似度值从大到小的顺序排序，得到各所述目标候选语句的序号；

将序号小于N的各所述目标候选语句作为所述多个目标语料，所述N为正整数。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述预设的问句模板包括目标疑问词，所述根据所述目标语料和预设的问句模板，生成预训练语言模型的样本数据，包括：

采用所述目标疑问词替换所述目标语料中的命名实体，得到所述预训练语言模型的样本数据。

6.根据权利要求5所述的方法，其特征在于，所述采用所述目标疑问词替换所述目标语料中的命名实体，得到所述预训练语言模型的样本数据，包括：

采用所述目标疑问词替换所述目标语料中的命名实体，并将所述目标语料中在所述命名实体之后的语句片段设置在所述目标疑问词之后，将所述目标语料中在所述命名实体之前的语句片段设置在所述命名实体之后的语句片段之后，得到所述预训练语言模型的样本数据。

7.根据权利要求6所述的方法，其特征在于，所述采用所述目标疑问词替换所述目标语料中的命名实体，得到所述预训练语言模型的样本数据之前，所述方法还包括：

按照命名实体与疑问词之间的预设的对应关系，确定所述病历语句中的命名实体对应的疑问词；

将所述病历语句中的命名实体对应的疑问词作为所述预设的问句模板中的目标疑问词。

8.一种样本数据的生成装置，其特征在于，所述装置包括：

获取模块，用于获取包含命名实体的病历语句；

查找模块，用于在预设语料库中查找包括所述命名实体且与所述病历语句的相似度值满足预设范围的多个目标语料；

生成模块，用于根据所述多个目标语料和预设的问句模板，生成预训练语言模型的样本数据。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。