-
题名深层次标签辅助分类任务的层次标签文本分类方法
被引量：1
- 1
-
-
作者
曹渝昆
魏子越
唐艺嘉
金成坤
李云峰
-
机构
上海电力大学计算机科学与技术学院
中国商飞上海航空工业(集团)有限公司信息中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第10期105-112,共8页
-
基金
国家自然科学基金青年基金(61802249)。
-
文摘
层次标签文本分类是自然语言处理领域中一项具有挑战性的任务,每个文档需要被正确分类到对应具有层次结构的多个标签中。然而在标签集中,由于标签包含的语义信息不充分,同时被归类到深层次标签的文档数量过少,深层次标签训练不充分,导致显著的标签训练不平衡问题。基于此,提出了深层次标签辅助分类任务的层次标签文本分类方法(DLAC)。该方法提出了一种深层次标签辅助分类器,在标签语义增强的基础上有效利用文本特征与深层次标签对应的父标签结点(即浅层次标签的丰富特征)来提升深层次标签的分类性能。与11种算法在三个数据集上的对比实验结果表明,模型能够有效提升深层次标签的分类性能,并取得良好效果。
-
关键词
层次标签文本分类
标签层次结构
全局标签分类通道
深层次标签辅助分类通道
-
Keywords
hierarchical label text classification
label hierarchy
global label classification channel
deep label assisted clas-sification channel
-
分类号
TP311.1
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于多尺度特征提取的层次多标签文本分类方法
被引量：1
- 2
-
-
作者
武子轩
王烨
于洪
-
机构
重庆邮电大学计算智能重庆市重点实验室
-
出处
《郑州大学学报（理学版）》
CAS
北大核心
2025年第2期24-30,共7页
-
基金
国家重点研发计划(2021YFF0704100)
国家自然科学基金项目(62136002,62233018)
重庆市自然科学基金项目(cstc2022 ycjh-bgzxm0004)。
-
文摘
针对现有的特征提取方法忽略文本局部和全局联系的问题,提出了基于多尺度特征提取的层次多标签文本分类方法。首先,设计了多尺度特征提取模块,对不同尺度特征进行捕捉,更好地表示文本语义。其次,将层次特征嵌入文本表示中,得到具有标签特征的文本语义表示。最后,在标签层次结构的指导下对输入文本构建正负样本,进行对比学习,提高分类效果。在WOS、RCV1-V2、NYT和AAPD数据集上进行对比实验,结果表明,所提模型在评价指标上表现出色,超过了其他主流模型。此外,针对层次分类提出层次Micro-F 1和层次Macro-F 1指标,并对模型效果进行了评价。
-
关键词
层次多标签文本分类
多尺度特征提取
对比学习
层次Micro-F
1
层次Macro-F
1
-
Keywords
hierarchical multi-label text classification
multi-scale feature extraction
contrastive learning
hierarchical Micro-F 1
hierarchical Macro-F 1
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
