一种基于多策略学习的金融数据安全分类分级系统

本发明公开一种基于多策略学习的金融数据安全分类分级系统，包括：句子嵌入模型、多个分类模型，句子嵌入模型用于将训练数据的短文本转换为嵌入向量，分类模型引入句子嵌入模型转换后的嵌入向量和对应的训练数据训练分类模型；输入需要预测的样本数据，使用句子嵌入模型，将样本数据的短文本转换为嵌入向量表示；使用分类模型对样本数据预测分类分级结果；收集修正后的预测结果记入误分类样本，调整权重，将误分类样本并入训练数据集，对分类模型进行重新训练或微调；当预测结果不需要修正时，存储训练后的分类模型。该系统融合了零样本和少样本学习的优势，结合误差驱动的增量学习策略，高效、准确地解决金融数据安全分类分级的难题。