基于数据增强的语言模型构建方法、装置、设备及介质

本发明涉及数据增强技术领域，揭露一种基于数据增强的语言模型构建方法，包括：将获取的大规模语料数据进行分类，得到文本数据、音频数据和视频数据；对文本数据、音频数据和视频数进行增强，得到增强文本数据、增强音频数据和增强视频数据；提取增强视频数据中每一帧的图像，得到增强图像数据，并分别进行标准化，得到标准文本数据、标准音频数据和标准图像数据；基于数据类别，选择对应的特征转换方法，将数据转换为特征向量，得到文本特征向量、音频特征向量和图像特征向量；通过Transformer模型和各个向量进行模型构建，得到大语言模型。本发明还提出一种基于数据增强的语言模型构建装置、设备及存储介质。本发明可以提高构建的语言模型的性能。