一种基于自监督强化图学习的敏感文本分类方法

本发明提出了一种基于自监督强化图学习的敏感文本分类方法，属于自然语言处理技术领域，仅利用少量标注数据训练，通过强化学习网络迭代实现最优文档图配置。首先构建基于全局文档图的基础分类网络，通过原始文档内容丰富语义信息并利用图结构增强小样本学习能力，接下来，引入组相对策略优化对于全局文档图进行自监督选择更新，不断提高分类网络对敏感级别的鉴别能力。本发明构建提出的SSRGL可以有效的检测敏感内容并进行分类，在分类性能和效率上均超过了已有的最新分类方法，平均准确率提升3%，文档图复杂度下降40%。