基于多模态数据的新型非法集资风险判别方法

本发明提供一种基于多模态数据的新型非法集资风险判别方法，包括对多源异构数据进行预处理以及通过非法集资风险判别模型对预处理后的数据进行风险判别的步骤，其中，非法集资风险判别模型为多门混合专家网络模型，包含针对非结构化数据处理和针对多模态数据处理的两个专家网络模型，并采用动态门控机制来根据不同任务和数据模态的特征动态调整两个专家网络模型的权重，提高了对多模态数据的处理能力、适应性和灵活性，从而能够满足非法集资风险判别中的复杂多模态数据处理需求，实现对新型非法集资活动的全面、精确判别，显著提高了风险识别的效率和准确性。基于本发明的方法可为监管机构提供更精准的非法集资风险判别工具，助力市场稳定发展。