[發明專利]數據增強方法及裝置、存儲介質及電子設備

在審

• 申請號: 201911329472.0
• 申請日: 2019-12-20
• 公開（公告）號: CN111125361A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 馮卉;崔星漢;鮑強;郭瀟宇
• 申請（專利權）人: 天津幸福生命科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/284;G06F40/30;G06Q40/08;G06K9/62
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

本公開涉及數據處理技術領域，具體涉及一種數據增強方法、數據增強裝置、計算機可讀存儲介質及電子設備，所述方法包括：對待處理數據集中所有待處理數據包含的關系數據進行分類，以獲取正常數據集和異常數據集；根據所述正常數據集構建所述屬性信息和所述關系類別之間的映射規則；根據所述映射規則將所述異常數據集中的異常數據包括的屬性信息映射為目標關系類別，根據所述目標關系類別更新所述待處理數據集中對應的關系數據得到增強數據集。本公開實施例的技術方案能夠對待處理數據集中的關系數據進行補空和校正，實現了數據增強的目的，提高了待處理數據集中關系數據的質量。

技術領域

本公開涉及數據處理技術領域，具體而言，涉及一種數據增強方法、數據增強裝置、計算機可讀存儲介質及電子設備。

背景技術

數據增強是一種用于擴充數據樣本規模，提高數據質量的方法，屬于深度學習的一種。數據增強可以應用于圖像數據或文本數據。針對圖像數據，常見的增強方式包括對圖像數據進行空間幾何變換、像素顏色變換等；針對文本數據，常見的增強方式包括對文本數據進行隨機跳過或者同義詞替換等。

在文本數據中包括一種特殊數據——關系數據。關系數據包括用于表示兩個對象之間的關系的數據，例如，在保險行業中，每一保險單上至少包括一個投保人和一個被保人，以及投保人和被保人之間的關系，因此保險單可以作為一種關系數據。然而，在通過傳統的隨機跳過或同義詞替換對關系數據進行增強時，往往無法實現提高關系數據的質量的目的。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種數據增強方法、數據增強裝置、計算機可讀存儲介質及電子設備，進而能夠通過該數據增強方法對關系數據進行數據增強，以提高關系數據的質量。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的第一方面，提供了一種數據增強方法，包括：

對待處理數據集中所有待處理數據包含的關系數據進行分類，以獲取正常數據集和異常數據集；其中，所述關系數據包括兩個目標對象的屬性信息和兩個所述目標對象之間的關系類別；

根據所述正常數據集構建所述屬性信息和所述關系類別之間的映射規則；

根據所述映射規則將所述異常數據集中的異常數據包括的屬性信息映射為目標關系類別，根據所述目標關系類別更新所述待處理數據集中對應的關系數據得到增強數據集。

可選的，基于前述方案，所述映射規則包括預設轉換規則和映射關系；

所述根據所述正常數據集構建所述屬性信息和所述關系類別之間的映射規則，包括：

根據預設轉換規則將各所述正常數據對應的屬性信息轉換為對應的特征標記；

構建各所述特征標記與各所述關系類別之間的映射關系。

可選的，基于前述方案，所述構建各所述特征標記與各所述關系類別之間的映射關系，包括：

從各所述特征標記中確定第一特征標記；

在所述正常數據集中提取所述特征標記等于所述第一特征標記的目標正常數據，并計算目標正常數據中不同關系類別出現的關系概率；

將最大的所述關系概率對應的關系類別確定為第一關系類別，構建所述第一特征標記與所述第一關系類別的映射關系。

可選的，基于前述方案，所述屬性信息包括性別信息和年齡信息，所述特征標記對應的包括性別特征標記和年齡特征標記，所述預設轉換規則對應的包括性別規則和年齡規則；