一种面向敏感信息的数据增强方法、系统、设备及介质

本发明提供了一种面向敏感信息的数据增强方法，应用于命名实体识别，包括：构建用于命名实体识别的敏感信息数据集，对敏感信息数据集进行标签序列线性化处理，获得标签序列线性化处理后的敏感信息数据集；标签序列线性化处理为：对敏感信息数据集中的原始文本序列进行实体标签插入，构建实体标签与命名实体共存的线性序列；将RoBERTa‑WWM模型作为预训练模型，并采用命名实体导向掩码策略，进行迭代训练，获得E‑MLM模型；将待处理数据集输入E‑MLM模型，获得对应的增强数据集。该方案中基于E‑MLM模型以命名实体作为掩码中心，并结合整词掩码机制，有效增强了命名实体识别训练数据的多样性和质量，提高了自然语言处理模型在有限样本条件下的实体识别精度。