一种数据训练样本增强方法、装置、设备及存储介质

本发明属于人工智能技术领域，适用于医疗领域和金融领域，公开了一种数据训练样本增强方法、装置、设备及存储介质，所述方法包括：根据OCR识别模型对样本图片进行识别，获得OCR识别文本中每个字符对应的置信度分数，并进行字段标注，获得结构化字段标注结果；挖掘易混淆的字符对并构建混淆字典；根据置信度分数，计算样本图片的OCR质量分数，并筛选出OCR质量分数满足预设条件的目标样本图片为待增强样本；根据结构化字段标注结果，确定结构化字段对应的目标区域，并进行替换污染，生成增强样本。本发明解决现有基于大语言模型的结构化信息抽取中，由于微调标注数据量小、OCR识别结果存在错别字，导致大语言模型缺乏文本纠错能力的技术问题。