本发明公开了一种文本分类场景下基于对抗训练的数据增强方法：通过对训练集中的原始样本x_i进行回译，生成一个样本序列集合D′＝{x′_i，y′_i}_1...N；对释义样本x′_i进行词嵌入过程，得到p_θ(x′_i)；对释义样本x′_i进行对抗训练，得到对抗样本原始样本x_i经过词嵌入过程，得到p_θ(x_i)，对抗样本经过加入扰动的词嵌入过程，得到计算得到原始样本和对抗样本的对比损失；计算得到的对比损失如果满足预先设定的阈值范围，将生成的对抗样本加入到原始数据集中，一并送到分类模型中进行模拟，得到模拟分类准确率结果。本发明通过将对抗训练与回译、随机噪声注入、交叉增强等数据增强技术相组合，得到最高质量、最具多样性的增强样本。