[發明專利]數據擴充處理方法及裝置

在審

• 申請號: 202211032174.7
• 申請日: 2022-08-26
• 公開（公告）號: CN116150313A
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 曹磊;蔣寧;肖冰;李長林
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/211;G06F40/247;G06F40/295;G06F40/30;G06F18/214;G06F18/213
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 石明;臧建明

1.一種數據擴充處理方法，其特征在于，包括：

獲取錄音文件，以及對所述錄音文件進行語音識別，得到語音識別結果；

利用目標詞庫對所述語音識別結果進行過濾，得到過濾結果；通過多種表達方式對所述過濾結果以及所述語音識別結果分別進行多個維度的特征提取，確定多個特征向量，每個所述特征向量包含至少一個維度的特征信息；

根據所述多個特征向量、多個權重值以及預設相似閾值從所述語音識別結果和/或所述過濾結果對應的語句中確定擴增數據集，以及將所述擴增數據集添加到擴充數據庫，所述權重值與所述特征向量相對應，所述擴充數據庫用于對語音業務數據進行質檢處理。

2.根據權利要求1所述的數據擴充處理方法，其特征在于，所述過濾結果包括至少一個詞匯或語句，所述過濾結果中包括的所述詞匯或所述語句與所述目標詞庫中包括的目標詞相匹配。

3.根據權利要求2所述的數據擴充處理方法，其特征在于，所述過濾結果中包括的所述詞匯或所述語句與所述目標詞庫中包括的目標詞的情感極性相同。

4.根據權利要求1所述的數據擴充處理方法，其特征在于，所述多種表達方式包括第一表達方式，所述第一表達方式用于表達與所述目標詞庫中的目標詞相同或相似的語境語義；

通過第一表達方式對所述過濾結果以及所述語音識別結果分別進行第一維度的特征提取的具體實現方式包括：

利用所述第一表達方式，為所述過濾結果以及所述語音識別結果中的每個語句添加句首標識，得到至少一個第一語句；

對至少一個所述第一語句進行多層特征提取，在提取結果中確定每個所述第一語句的所述句首標識對應的第一隱向量；

將每個所述第一語句中的所述目標詞進行遮蓋處理或去除處理，確定至少一個所述第二語句；

對每個所述第二語句進行多層特征提取，在提取結果中確定每個所述第二語句的所述句首標識對應的第二隱向量；

根據所述第一隱向量以及所述第二隱向量確定第一特征向量，所述特征向量包括所述第一特征向量。

5.根據權利要求1所述的數據擴充處理方法，其特征在于，所述多種表達方式包括：第二表達方式，所述第二表達方式用于表達所述目標詞庫中的目標詞對應的上位化語境；

通過第二表達方式對所述過濾結果以及所述語音識別結果分別進行第二維度的特征提取的具體實現方式包括：

利用所述第二表達方式，對所述過濾結果以及所述語音識別結果分別進行多層特征提取，確定所述過濾結果以及所述語音識別結果中包括的所述目標詞對應的每個標記的第三隱向量；

將每個所述第三隱向量的均值確定為第二特征向量，所述特征向量包括所述第二特征向量。

6.根據權利要求1所述的數據擴充處理方法，其特征在于，所述多種表達方式包括第三表達方式，所述第三表達方式用于表達所述過濾結果以及所述語音識別結果中出現所述目標詞的詞密度；

通過第三表達方式對所述過濾結果以及所述語音識別結果分別進行第三維度的特征提取的具體實現方式包括：

利用所述目標詞庫，對所述過濾結果以及所述語音識別結果分別進行詞向量訓練；

將訓練結果中的詞向量確定為第三特征向量，所述特征向量包括所述第三特征向量。

7.根據權利要求1所述的數據擴充處理方法，其特征在于，所述特征向量包括與所述過濾結果對應的第一向量、以及與所述語音識別結果對應的第二向量；所述根據所述多個特征向量、多個權重值以及預設相似閾值從所述語音識別結果和/或所述過濾結果對應的語句中確定擴增數據集，包括：

確定多個相似度，所述多個相似度與所述多個特征向量一一對應；其中，確定相似度的具體實現方式包括：計算所述特征向量包括的所述第一向量和所述第二向量的相似度；

基于所述多個相似度和多個權重值確定目標相似度；

若所述目標相似度大于所述預設相似閾值，則將所述語音識別結果和/或所述過濾結果對應的所述語句加入所述擴增數據集。