(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111647750.4 (22)申请日 2021.12.2 9 (71)申请人 科大讯飞股份有限公司 地址 230000 安徽省合肥市合肥市高新 开 发区望江西路6 66号 申请人 河北省讯飞人工智能研究院 　 中科讯飞互联 （北京） 信息科技有限 公司 (72)发明人 呼啸　巩捷甫　宋巍　盛志超　 王士进　陈志刚　胡国平　秦兵　 刘挺　 (74)专利代理 机构 深圳市力道知识产权代理事 务所(普通 合伙) 44507 代理人 何姣(51)Int.Cl. G06F 40/253(2020.01) G06F 40/289(2020.01) G06F 40/30(2020.01) G06K 9/62(2022.01) (54)发明名称 文本数据生成方法、 计算机设备及存 储介质 (57)摘要 本申请实施例提供了一种文本数据生成方 法、 计算机设备及存储介质， 文本数据生成方法 包括： 获取无语法缺陷的第三文本； 将所述第三 文本输入生成模 型， 生成所述第三文本对应的第 一生成文本， 和用于指示所述第一生成文本存在 语法缺陷的目标概率， 所述生 成模型是基于无语 法缺陷的第一文本和有语法缺陷的第二文本训 练得到的； 根据所述第一生 成文本对应的目标概 率， 确定所述第一生成文本为目标文本。 生成模 型学习到第二文本对应的语 法错误规律， 训练后 的生成模型能够发挥生成结果多样的优异特性， 可以自动构建出 大量包含语法缺陷的文本 。 权利要求书2页 说明书11页 附图3页 CN 114357985 A 2022.04.15 CN 114357985 A 1.一种文本数据生成方法， 其特 征在于， 包括： 获取无语法缺陷的第三文本； 将所述第三文本输入生成模型， 生成所述第三文本对应的第一生成文本， 和用于指示 所述第一生成文本存在语法缺陷的目标概率， 所述生成模型是基于无语法缺陷的第一文本 和有语法缺陷的第二文本训练得到的； 根据所述第一 生成文本对应的目标概 率， 确定所述第一 生成文本为目标文本 。 2.如权利要求1所述的文本数据生成方法， 其特征在于， 所述第 二文本是基于预设的缺 陷文本构造规则， 根据所述第一文本生成的。 3.如权利要求2所述的文本数据生成方法， 其特征在于， 基于预设的缺陷文本构造规 则， 根据所述第一文本生成第二文本， 包括： 基于预设的缺陷文本构造规则， 确定所述第 一文本对应的目标缺陷和所述目标缺陷的 发生概率； 基于所述目标缺陷的发生概率， 根据所述目标缺陷构造所述第一文本对应的第二文 本。 4.如权利要求3所述的文本数据生成方法， 其特征在于， 所述基于预设的缺陷文本构造 规则， 确定所述第一文本对应的目标缺陷和所述目标缺陷的发生 概率， 包括： 基于预设的字/词缺陷构造表， 在所述第一文本中确定与所述字/词缺陷构造表中相同 的字/词， 得到目标缺陷的构造位置； 根据所述字/词缺陷构造表中与所述相同的字/词对应的发生概率， 确定所述目标缺陷 的发生概率； 所述基于所述目标缺陷的发生概率， 根据 所述目标缺陷构造所述第 一文本对应的第 二 文本， 包括： 基于所述目标缺陷的发生概率， 将所述构造位置的字/词删掉， 或者将所述构造位置的 字/词替换为所述 缺陷字/词， 或者在所述构造位置增 加所述缺陷字/词； 其中， 所述缺陷字/词是在所述字/词缺陷构造表中确定的与所述相同的字/词对应的 字/词。 5.如权利要求3所述的文本数据生成方法， 其特征在于， 所述基于预设的缺陷文本构造 规则， 确定所述第一文本对应的目标缺陷和所述目标缺陷的发生 概率， 包括： 对所述第一文本进行成分 分析， 确定所述第一文本中的成分和成分排序； 基于预设的成分缺陷构造规则， 根据所述第一文本中的成分和成分排序， 确定所述第 一文本对应的成分缺陷类型和对应的构造位置， 以及所述成分缺陷类型的发生 概率； 所述基于所述目标缺陷的发生概率， 根据 所述目标缺陷构造所述第 一文本对应的第 二 文本， 包括： 基于所述成分缺陷类型和对应的发生概率， 在所述第一文本的所述构造位置删除成 分、 增加成分， 或者调整成分的排序。 6.如权利要求1 ‑5中任一项所述的文本数据生成方法， 其特征在于， 所述生成模型的训 练过程， 包括： 将所述第一文本输入所述生成模型的编码器， 得到语义向量； 以及所述生成模型的解 码器根据所述语义向量 生成第二 生成文本；权　利　要　求　书 1/2 页 2 CN 114357985 A 2根据所述第 一文本对应的第 二文本和所述第 一文本对应的第 二生成文本之间的差异， 调整所述编码器和/或所述 解码器的参数。 7.如权利要求6所述的文本数据生成方法， 其特征在于， 所述生成模型的训练过程， 还 包括： 获取有语法缺陷的第四文本， 和所述第四文本消除缺陷得到的第五文本； 将所述第五文本输入所述生成模型的编码器， 得到语义向量； 以及所述生成模型的解 码器根据所述语义向量 生成第三 生成文本； 根据所述第四文本对应的第五文本和所述第四文本对应的第 三生成文本之间的差异， 对所述生成模型进行微调。 8.如权利要求1 ‑5中任一项所述的文本数据生成方法， 其特征在于， 所述将所述第三文 本输入训练后的生成模型， 生成所述第三文本对应的第一生成文本， 和用于指示所述第一 生成文本存在语法缺陷的目标概 率， 包括： 将所述第三文本输入所述生成模型的编码器， 得到语义向量； 以及所述生成模型的解 码器根据所述语义向量 生成第一 生成文本和所述第一 生成文本的终止符的语义表示； 对所述第一生成文本的终止符的语义表示进行全连接变换， 得到用于指示所述第 一生 成文本存在语法缺陷的目标概 率。 9.如权利要求1 ‑5中任一项所述的文本数据生成方法， 其特征在于， 所述生成模型为基 于seq2seq网络的模型。 10.一种计算机设备， 其特 征在于， 所述计算机设备包括存 储器和处 理器； 所述存储器用于存 储计算机程序； 所述处理器， 用于执 行所述计算机程序并在执 行所述计算机程序时实现： 如权利要求1 ‑9中任一项所述的文本数据生成方法的步骤。 11.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 若所述计算机程序被处 理器执行， 实现： 如权利要求1 ‑9中任一项所述的文本数据生成方法的步骤。权　利　要　求　书 2/2 页 3 CN 114357985 A 3