基于注意力机制的循环网络进行层级性多元标签文本分类

1 前言

今天分享一篇做层级性多元标签文本分类任务的paper，题目为：，论文是发表在2019年CIKM上，下载地址为：https://base.ustc.edu.cn/pdf/Wei-Huang-CIKM2019.pdf，论文也公开了源码：https://github.com/RandolphVI/Hierarchical-Multi-Label-Text-Classification。从题目也能看出，论文的核心是作者提出Attention-based Recurrent Network方法来解决多标签分类任务中层级性问题。

参考上图，论文将HMTC任务定义为：
定义1：Hierarchical Structure $\gamma$ .
$C=(C^1,C^2,...,C^H)$，其中$C$为categories label集合，H为label的层级数量，$C^i$为第i层label的集合。
定义2：HMTC Problem
给定文档集合$D$，及相关的层级标签结构$\gamma$，HMTC问题可以转成学习一个分类模型$\Omega$进行标签预测，即为：
$\Omega (D,\gamma ,\Theta )\to L$
其中$\Theta$ 为要学习的参数， D i = { w 1 , w 2 , . . . , w N } D_i=\{w_1,w_2,...,w_N\} Di​={w1​,w2​,...,wN​} 为第$i$个文本，有$N$个序列词组成；对应 L i = { l 1 , l 2 , . . . , l H } L_i=\{l_1,l_2,...,l_H\} Li​={l1​,l2​,...,lH​}，$l_i$为第$i$层标签集合。
其实，文中解决HTMC任务场景是有一定限制的：对应输入的文本x来说，它在H层标签体系中，每层都是有标签的，而且每层标签的数量是1个或多个。

2 模型

上图为论文的整体模型架构图，分为三层：(1)Documentation Representing Layer (DRL)——进行文本和层级标签的表征学习；(2)Hierarchical Attention-based Recurrent Layer (HARL)——使用注意力机制，让学习的文本向量和标签向量进行循环学习，交互；(3)Hybrid Predicting Layer (HPL)——混合方式进行标签预测。下面重点介绍这三部分内容。

2.1 Documentation Representing Layer

在文本表征上，先使用worde2vec获取词向量，然后使用Bi-LSTM网络进行表征学习，学习得到序列向量$V$

在后续操作上，作者使用了基于词的平均池化操作(word-wise average pooling operation)，将$V$变成$\tilde{V}$

在层级标签表征上，是使用lookup方式生成初始化矩阵标$S$

最后，将表征学习到的$V$和$S$进行拼接，进入下一个layer进行学习。

2.2 Hierarchical Attention-based Recurrent Layer

这一层是论文核心的体现，其主要思想就是：将第一个layer学习的向量接入一个rnn网络，该网络的内部是HAM结构，而HAM在文中称为Hierarchical Attention-based Memory，意思就是基于attention的层级记忆单元。另外，这个循环网络的节点数应该就是标签的层级数，如数据集的标签有5个层级，那么这一层的rnn节点就为5，可以理解为一层接着一层进行递进式学习，像标签的层级结构一样。

上图为HAM示意图，有点类似LSTM结构，其有三部分组成: Text-Category Attention (TCA)，Class Prediction Module (CPM)，Class Dependency Module(CDM)，其计算公式为：

其中$r_{aat}^h,W_{att}^h$ 分别代表h-level层的文本与标签交互信息，与h-level层文本与标签交互的attention权重。

$P_L^h,A_L^h$分别代表h-level层标签预测的概率，与h-leve层模型整体表征的信息。

${\omega }^h$为h层学习到的信息，作为记忆信息，进行传递学习用。

Text-Category Attention

上图为Text-Category Attention计算图，其主要目标是让输入的文本与各层级的标签进行交互学习，使用的方法类似注意力机制，计算公式对应如下：



看着上图觉得挺复杂的，其实计算起来很简单，$V_h$是利用上一层的信息进行更新，可以理解接受上一层与label相关用的信息；$O_h，W_{att}^h$是计算输入的文本与第h层标签的attention，后者为权重值；$M_h,r_{att}^h$为计算带标签的文本信息，并平均方式得到最终的文本表征信息。

Class Prediction Module
该模块目的为：将原始文本语义表示与引入前一层信息的关联文本类别表征相结合，生成整体的表征并预测每一层的类别，下为更新公式：

Class Dependency Module

该模块目的为：通过保留各层级的层次信息，对不同层次之间的依赖关系进行交互传递学习，其主要意思想学习到文本中每个序列的词对各级label的关联程度，并将信息进行循环学习。

2.3 Hybrid Predicting Layer

利用第二层的信息进行混合预测，为何是混合预测？原因为：在作者看来，前面学习的每层$P_L^h$预测只是局部的预测，需要将每次的信息融合起来进行一个全局的预测$P_G$：

接着将局部预测值和全局预测值加权作为最终预测的值$P_F$：

此处阈值$\alpha $取0.5，认为局部与全局同样重要。

2.4 Loss Function

在预测的时候使用了局部预测和全局预测，作者就对应做了两个loss function，第一个是每个层级的label预测的损失，第二个是全局label预测的损失，最后二者加起来并加一个L2正则作为最终的loss。

3 Experiment

论文使用了两个数据集进行了实验，对比的方法是设置了不同的变体进行对比，并未跟先前类似的paper试验进行比较，各个变体的详情可以阅读论文。


上面两种表图都是体现文中提出的HARNN模型得到最佳结果，表现论文提出方法的有效性，具体试验结果建议有兴趣读者去githup看看源码。

4 简单总结

(1) 在做层级性多元标签文本分类时，文中提出的基于层级数量进行循环学习的方式是值得借鉴的，因为层级性label在父类与子类上是有共性和差异性。
(2) 文中提出的局部预测和全局预测融合的思路也是挺好的，吻合提出的框架结构特性。
(3) 在HAM结构上，有一定的参考意义，但个人觉得有点过于复杂，可以类似GRU结构，设计一个更为简单的处理流程。
(4) 如果处理有些样本并不是每个层级都有对应的label的数据场景时，该模型框架可能需要重新的调整。

更多文章可关注笔者公众号：自然语言处理算法与实践