深度学习与文本分类总结第二篇--大规模多标签文本分类

最新推荐文章于 2024-02-26 19:46:37 发布

VIP文章 liuchongee

最新推荐文章于 2024-02-26 19:46:37 发布

阅读量2.2w

点赞数 12

分类专栏：深度学习 nlp 深度学习与NLP--论文笔记和TensorFlow实现文章标签：深度学习文本分类多标签

本文链接：https://blog.csdn.net/liuchonge/article/details/77585222

版权

上一篇博客中我们已经总结了文本分类中常用的深度学习模型，因为知乎的本次竞赛是多标签的文本分类任务，这也是我第一次接触多标签分类，所以想单独写一篇博客来记录这方面的相关知识。
在这里首先列出几篇参考的文章：

基于神经网络的多标签分类可以追溯到周志华在2006年发表的文章： Multi-Label Neural Networks with Applications to Functional Genomics and Text Categorization。其贡献在于提出了BP-MLL（多标签反向传播）以及新的误差函数：
然后是一篇基于周志华文章改进的论文：Large-scale Multi-label Text Classification Revisiting Neural Networks。这篇文章提出使用Adagrad，dropout等技术，此外还提出使用标准的交叉熵函数作为目标函数效果更好。
上面的文章还是使用普通的神经网络进行分类，接下来就出现了基于深度学习模型的方法。比如：Large Scale Multi-label Text Classification with Semantic Word Vectors。这篇文章很简单，就是把TextCNN和GRU直接用到多标签文本分类里，最后根据一个阈值alpha来确定样本是否属于某个类别。
Improved Neur

关注