公开(公告)号：CN114036907A

公开(公告)日：2022-02-11

申请号：CN202111371729.6

申请日：2021-11-18

Applicant: 国网江苏省电力有限公司电力科学研究院 ,  国网江苏省电力有限公司

Inventor： 祝和明 ,  王德胜 ,  邓涛 ,  李岩松 ,  孙涛 ,  王存超 ,  梅文哲 ,  赵新冬 ,  郭韬 ,  何泽家 ,  唐锦 ,  崔林 ,  张力 ,  戴威 ,  罗珊珊 ,  刘媛 ,  卢茜 ,  于聪聪

IPC: G06F40/166 ,  G06F40/247 ,  G06F40/284

Abstract: 本申请公开了一种基于领域特征的文本数据扩增方法，包括：获取专业领域数据集，所述专业领域数据集包括多个文本；针对每一个文本，进行预处理，获取待扩增文本；所述预处理包括文本格式统一、文本分词、去停用词和文本词频统计；针对待扩增文本，根据四种扩增方法，获取扩增后的文本；获取扩增后的专业领域数据集，所述扩增后的专业领域数据集包括多个扩增后的文本。本申请公开了获取扩增后文本的四种方法，可以在扩增文本数据的同时，体现出文本的领域特征，提高了文本数据扩增的质量，并提高了基于此文本构建的AI系统的服务质量。