基于半监督学习的表格数据多标签分类方法、装置及介质

本发明公开了一种基于半监督学习的表格数据多标签分类方法、装置及介质，所述方法包括：编码器对当前输入样本和已标注数据集中训练样本进行特征编码，在特征编码空间中搜索当前输入样本的K个近邻，对当前输入样本特征编码进行数据增强得到增强后的特征编码，基于上述K个近邻特征编码和其对应标签，计算包含近邻信息的注意力分数，与当前输入样本的特征编码相加后，和数据增强后的特征编码同时输入解码器和分类器，得到当前输入样本分类预测结果和增强后预测结果，计算监督损失和增强前后预测结果的一致性损失，得到最终损失配合随机梯度下降更新迭代模型参数。本发明有效利用未标注数据集，较低标注成本下高效训练模型，实用性强。