Dentro del ámbito de la clasificación multi-etiqueta para microvideos, utilizando conjuntos de datos terrestres como base, los investigadores han emprendido profundas empresas que han dado lugar a logros extraordinarios. La investigación sobre clasificación multi-etiqueta basada en conjuntos de datos de microvideos submarinos aún se encuentra en una etapa preliminar. Existen algunos desafíos: la grave distorsión del color y el desenfoque visual en la visualización visual submarina debido a la dispersión y absorción molecular del agua, la dificultad para adquirir conjuntos de datos de videos cortos submarinos, la escasez de características de modalidad de videos cortos submarinos y la tarea formidable de lograr una clasificación multi-etiqueta submarina de alta precisión. Para abordar estos problemas, en este documento se establece una red de aprendizaje de convolución de gráficos de doble capa basada en codec restringido (BGCLN). Específicamente, se construye una representación común de modalidad para completar la representación de información común e información específica basada en la red de codec restringido. Luego, se diseña un módulo de red de convolución de gráficos de doble capa impulsado por atención para extraer la información de correlación entre etiquetas y mejorar la representación de la modalidad. Finalmente, se utilizan el módulo de fusión de representación de modalidad combinada y clasificación multi-etiqueta para obtener la predicción del clasificador de categoría. En el conjunto de datos de clasificación multi-etiqueta de videos submarinos (UVMCD), la efectividad y la alta precisión de clasificación del BGCLN propuesto han sido demostradas por numerosos experimentos.