基于原型学习的非独立同分布多模态数据挖掘方法及系统

本发明公开了一种基于原型学习的非独立同分布多模态数据挖掘方法及系统。首先通过多模态适配与掩码机制处理缺失模态，利用已知的粗粒度风险标签作为强约束，在各数据集内部自适应聚类提取细粒度风险原型；同时构建粗粒度预测器以辅助特征语义学习并支撑后续推理。将其余节点的细粒度风险原型作为补充样本引入，并根据源数据的样本占比赋予权重，实现知识共享的同时保护数据隐私。基于扩充数据集构建由正样本、弱负样本及负样本组成的层次对比损失，联合细粒度分类损失对模型进行多任务迭代优化，有效提升了模型对未知细粒度风险类别的挖掘能力，通过先验粗标签指导与自适应聚类机制，解决了数据倾斜下的细粒度分类准确度问题。