一种用于脱敏效果评估的多样化文本敏感数据合成方法

本申请提供了一种用于脱敏效果评估的多样化文本敏感数据合成方法，包括步骤：构建贴合脱敏评估需求的敏感实体体系，包含通用领域、医疗领域、金融领域，每个领域包括多个实体类型；获取原始数据集，在原始数据集上统计实体分布并构建目标分布模型，并基于实体类型与句式设计多样化策略；依据目标分布模型与多样化策略指导大语言模型生成候选语料，并对候选语料进行字符级对齐标注与一致性校验，基于候选语料生成合成数据集；从数据层、实体层和语义层对合成数据集进行多维质量验证得到评估结果，并将评估结果反馈到闭环控制器以调整配额与生成参数，以生成最终的合成数据集。本发明能够应用于数据脱敏工具的有效性评估，解决文本脱敏评测中评价维度单一、数据稀疏等问题。