一种基于多Embedding模型集成的元数据标签识别方法

本发明涉及企业数据治理的分类分级领域，具体涉及一种基于多Embedding模型集成的元数据标签识别方法，包括选择多个预训练Embedding模型；预计算标签库中所有标签名称向量表示，构建标签向量库；接收待分类分级的数据库表字段元数据；分别计算输入元数据与标签库向量的余弦相似度；基于反馈学习机制动态调整各模型权重；更新模型权重，经过T次反馈后，对每个模型的权重增量进行累加，并通过归一化函数确保所有模型权重之和为1。通过集成多个预训练Embedding模型，解决了单一模型在领域泛化方面的局限性问题。通过反馈学习机制动态调整模型权重，避免了传统方法中“非黑即白”的简单判断，提升了分类分级的准确性。同时，在出现性能更强的模型后可随时替换，扩展性强。