オープンソースの宇宙情報の取得効率を向上させるとともに、オープンソースの宇宙情報の内容が長く、数量が限られており、一般的なテキスト分類モデルのロバスト性が低く、テキスト情報が直感的でないという問題を解決するために、本論文では教師付きコントラスト学習に基づく宇宙情報分類方法を提案する。本手法は、注意機構（Attention）を備えた双方向長短期記憶ネットワーク（Bidirectional Long Short-Term Memory、BiLSTM）に基づき、コントラスト学習技術を融合してオープンソース情報を処理・解析し、効率的に宇宙に関する情報を抽出し、unCLIP（un-Contrastive Language-Image Pre-Training）モデルを用いて情報に対応する画像を生成する。実験結果は、CNN、BiLSTM、Transformer、BiLSTM-Attentionなどの一般的なテキスト分類手法と比較して、精度、再現率、F1スコアのいずれにおいても良好な性能を示し、F1スコアは0.97に達した。また、情報を画像の形式で提示し、より明確で直感的な表現を実現した。本手法は、ネットワーク上の公開データ資源を十分に活用し、オープンソースの宇宙情報を効果的に抽出して対応画像を生成するため、宇宙情報の分析および研究に重要な価値を有する。

教師付きテキスト分類;コントラスト学習;テキストからの画像生成;宇宙情報