信息技术飞速发展，数据量爆炸式增长，数据挖掘技术在许多领域应用日益广泛。传统数据挖掘方法在特征提取 阶段常常依靠人工经验，既低效又难以应对大规模复杂数据。自监督学习是新兴的机器学习范式，可自动从数据中挖掘特征， 为数据挖掘的特征提取带来新途径。模型轻量化对在资源受限环境高效部署数据挖掘模型非常关键，本文探究基于自监督学 习的数据挖掘特征自动提取方法及怎样达成模型轻量化，以优化数据挖掘的效率，准确度和模型的可部署性，为相关领域发 展提供助力。