本发明提供了一种基于正则化集成学习的多模态细粒度论文分类方法和系统，所述方法包括：获取待分类论文的原始数据并从中提取所述待分类论文的文本数据和图像数据；将文本数据输入到第一预训练模型提取文本特征向量和文本特征向量矩阵；将图像数据输入到第二预训练模型提取图像特征向量和图像特征向量矩阵；进行Dropout正则化处理、拼接操作以得到第一特征融合向量；进行L1正则项系数和L2正则项系数结合的L1‑L2正则化处理、拼接以得到第二特征融合向量；输入到注意力机制模块以得到第三特征融合特征向量矩阵；输入到第三预训练模型以实现待分类论文的分类。本发明能够基于多模态注意力机制和多种不同的正则化方法大幅度提升细粒度论文分类的性能。