买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜北京明略软件系统有限公司申请的专利文本数据增强方法、系统和计算机设备和存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113869057B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111201161.3，技术领域涉及：G06F40/295；该发明授权文本数据增强方法、系统和计算机设备和存储介质是由王博;薛小娜设计研发完成，并于2021-10-15向国家知识产权局提交的专利申请。

本文本数据增强方法、系统和计算机设备和存储介质在说明书摘要公布了：本申请涉及一种文本数据增强方法、系统和计算机可读存储介质，其中，该方法包括：从一文本训练数据集中提取实体，并利用一预训练模型从每一实体中获取其对应的词向量；通过聚类将词向量对应的实体划分至对应的类簇，构建一实体类簇字典；选定目标文本并确定目标文本对应的待替换实体，根据实体类簇字典选取替换实体完成替换，生成增强样本数据集。本申请使用预训练模型获取实体的词向量时，把实体当做整体，进行预训练模型的二次训练，进而可以直接获取实体词向量的方法，并利用词向量对实体进行更细致的聚类划分，以实现文本数据增强，且避免在此过程中引入不必要的噪音。

本发明授权文本数据增强方法、系统和计算机设备和存储介质在权利要求书中公布了：1.一种文本数据增强方法，其特征在于，包括以下步骤：词向量获取步骤，从一文本训练数据集中提取实体，并利用一预训练模型从每一所述实体中获取其对应的词向量；所述词向量获取步骤进一步包括：模型一次训练步骤，利用通用语料训练预设网络结构并获取预训练模型；词表重构步骤，获取文本训练数据集中的所有实体，对所有所述实体进行编码获得实体编码，并将所述实体编码加入所述预训练模型的词表中，对所述词表进行重构；模型二次训练步骤，根据所述文本训练数据集获取无标注文本语料，基于重构后的所述词表利用所述实体编码替换所述无标注文本中的对应实体，并根据替换后的所述无标注文本训练所述预训练模型，并保存二次训练后的所述预训练模型；实体词向量获取步骤，基于所述词表获取所述实体编码的ID并输入至所述预训练模型，获取所述实体编码对应的向量，即获得对应所述实体的词向量；实体聚类步骤，通过聚类将所述词向量对应的所述实体划分至对应的类簇，构建一实体类簇字典；实体替换步骤，选定目标文本并确定所述目标文本对应的待替换实体，根据所述实体类簇字典选取替换实体完成替换，生成增强样本数据集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京明略软件系统有限公司，其通讯地址为：100089 北京市海淀区中关村东路1号院1号楼10层A1002；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。