层级标签语义引导的极限多标签文本分类策略

摘要：

极限多标签文本分类任务具有标签集大、类间关系复杂、数据分布不平衡等特点,是具有挑战性的研究热点.现有模型对标签语义信息利用不足,性能有限.对此,该文提出一种利用层级标签语义信息引导的极限多标签文本分类模型提升策略,在训练和预测过程中给予模型层级标签引导的弱监督语义指导信息,利用这种弱监督信息规约多标签文本分类任务中要对应的多标签语义边界.在标准数据集上的实验结果表明,该文所提策略能够有效提升现有模型性能,尤其在短文本数据集中增效显著,宏精准率最高提升21.23％.

关键词：极限多标签文本分类;层级标签;弱监督语义指导

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;天津市企业科技特派员项目;天津市教委科研计划;天津市自然科学基金

在线出版日期：2021-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：110-118