一种基于业务深度学习的异构数据自动分类的方法及系统

本发明公开了一种基于业务深度学习的异构数据自动分类的方法及系统，具体涉及数据分类技术领域，用于解决现有方法因跨模态特征纠缠导致的分类准确性受限和可解释性不足的问题；是通过模态内隐式特征解耦分离独立特征与冗余特征向量，基于正交性残差评估生成噪声修正指令，对冗余特征进行跨模态噪声分布一致性修正后结合向量空间投影关系量化梯度方向冲突率并动态调整反向传播路径，通过语义匹配度与贡献度均衡性监测触发融合路径切换，构建自适应分类决策边界函数，实现异构数据的高精度分类与业务场景的强泛化适配。