本发明提供了一种数据无损压缩方法，包括以下步骤：采集数据并构建上下文集和目标集，构建查询字典将数据内所有字符转换为索引序列；构建特征提取模块，对序列进行词嵌入和位置嵌入后，基于多头注意力模块重新编码，并提取语义特征输出上下文特征；构建概率计算模块，基于双向门控循环单元层计算上下文特征的隐藏特征后，基于双分支全连接层将隐藏特征映射得到字符的概率分布；构建自适应算术编码器，基于概率分布构建概率表和数值取值区间后，基于数值取值区间循环计算所有字符的压缩编码并保存。本发明提供的压缩方法，在保证压缩精度的同时兼顾了压缩速率，改善了现有技术中深度学习无损压缩方法存在的计算复杂度高、压缩速率慢的问题。