一种用于敏感信息识别的领域感知精简数据集构建方法

本发明属于自然语言处理技术领域，公开了一种用于敏感信息识别的领域感知精简数据集构建方法。本发明通过领域种子驱动构建结构模版，用于大规模伪数据的合成生成，并采用教师模型输出的logits和注意力作为蒸馏信号；通过对logits进行数值裁剪与对注意力分布实施非对称重构，提升伪标签的表达稳定性与边界感知能力；学生模型以软标签拟合、注意力对齐等多目标联合优化方式进行训练，最终在高置信伪标签筛选基础上实现种子自反馈更新，从而完成多轮迭代学习。本发明具备轻量、低依赖、高迁移的特点，适用于敏感信息自动抽取与跨领域实体识别任务。