基于动态监督驱动的多目标联合优化的文本分类预测方法

基于动态监督驱动的多目标联合优化的文本分类预测方法，涉及人工智能与自然语言处理领域。解决了现有分类方法大多聚焦于单一目标的优化，无法同时兼顾性能优化、公平性增强与隐私保护的问题。本发明首先获取文本数据，对文本进行编码，生成对应的特征向量；提取特征向量的全局结构特征和局部结构特征；分别计算原始特征与全局、局部结构特征之间的重建误差，并据此对全局与局部特征进行加权融合，获得融合特征表示；采用注意力机制对融合特征进行评分，根据注意力分数动态调节拉普拉斯噪声强度，实现差分隐私保护；将包含噪声的特征向量进行格式转换后输入至前馈神经网络模型，获取兼顾公平性与隐私保护的标文本的类别。主要用于对文本信息进行分类。