Para mejorar la eficiencia en la obtención de información aeroespacial de código abierto y abordar problemas como la longitud del contenido, la cantidad limitada, la baja robustez de los modelos comunes de clasificación de texto y la falta de intuición en la información textual, este artículo propone un método de clasificación de información aeroespacial basado en aprendizaje contrastivo supervisado. El método se basa en una red de memoria bidireccional de largo y corto plazo (BiLSTM) con mecanismo de atención, integrando la técnica de aprendizaje contrastivo para procesar y analizar la información abierta, filtrando eficazmente la información aeroespacial y utilizando el modelo unCLIP (preentrenamiento lenguaje-imagen no contrastivo) para generar imágenes correspondientes. Los resultados experimentales muestran que el método supera los métodos comunes de clasificación de texto como CNN, BiLSTM, Transformer y BiLSTM-Attention en precisión, recall y F1-Score, alcanzando un F1-Score de 0.97, y presenta la información en forma de imágenes para hacerla más clara e intuitiva. El método puede utilizar completamente los recursos de datos públicos en red, extraer eficazmente la información aeroespacial abierta y generar imágenes correspondientes, lo cual es de gran valor para el análisis e investigación de la información aeroespacial.

Clasificación de texto supervisada; aprendizaje contrastivo; generación de imágenes de texto; información aeroespacial