【层级多标签文本分类】融合标签层级结构的文本分类

融合标签层级结构的文本分类

1、背景

1、作者（第一作者和通讯作者）
   刘翰错，黄贤英
2、单位
   重庆理工大学
3、年份
   2021
4、来源
   山西大学学报（自然科学版）

2、四个问题

1、要解决什么问题？
   解决标签之间的语义、标签之间的相关性，文本特征对标签特征的影响。

2、用了什么方法解决？
   提出了融合标签结构的层级标签文本分类模型（Label Hierarchical and Semantic Structure Learning, LHSSL）

3、效果如何？

4、还存在什么问题？

论文笔记

0、引言

   在本小节中，作者总结了目前现有的层级文本分类主要有两种：

   关注局部：关注局部 ，倾向于构造多个层次分类模型，然后以自顶向下的方式遍历层次结构。每个分类器预测对应的类别或类别层次。

   关注全局：关注全局，将所有类别集合在一起，用单个分类器进行预测。

   作者指出这些方法忽略了标签的语义结构特征、层级结构特征以及它们与输入文本特征之间的关系。还指出当标签数量较大、标签相似度较高时，人工分类很困难。接着作者针对以上问题提出了层级标签文本分类模型（LHSSL）：
   （