![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
多标签短文本
文章平均质量分 91
奋斗的海绵
这个作者很懒,什么都没留下…
展开
-
Label-Specific Document Representation for Multi-Label Text Classification笔记
这篇文章是发布在2019年的EMNLP上的文章,这篇文章被多个模型作为baseline,所以将这个模型的具体内容拿过来看一下,如果可以,以后可以在这篇文章进行一个baseline的比较;原创 2023-04-27 20:28:43 · 191 阅读 · 0 评论 -
Label-Specific Dual Graph Neural Network for Multi-Label Text Classification笔记
这篇文献是发布在IJNLP2021,ACL上的一篇处理多标签分类的文章;原创 2023-04-20 21:15:30 · 255 阅读 · 0 评论 -
Enhancing Label Correlation Feedback in Multi-Label Text Classification via Multi-Task Learning笔记
1. 首先,这篇文章在一开始的时候提到,之前的一些考虑通过标签相关性的方法有分类器链的方法还有序列到序列的方法,但是这些方法可能会收到标签的顺序依赖问题、标签结合过拟合以及错误的传播问题;2. 为了解决上面的这些问题,本文中提到的方法是通过多任务学习来提升标签相关性上的反馈; 1. 首先,利用联合嵌入机制分别获取文本和标签的表示,通过使用文档-标签型的注意力机制从而捕获到更具有辨别性的文档表示 2. 之后,通过两种辅助的多标签共现预测任务提升标签共现学习。 - 一种是 Pairw原创 2023-04-19 11:13:27 · 204 阅读 · 0 评论 -
Contrastive Learning-Enhanced Nearest Neighbor Mechanism for Multi-Label Text Classification
在MLTC任务中在这篇文章以前大多使用的方法是关注到文本的表示,;要么就是注意到相关;但是这些内容都没有注意到,通过相似实例之间的有可能相似的实例标签可以给本实例的标签提供辅助的标记作用;文中就使用了,最终将周围这些相近的邻居的label信息放到本test sample中,用来辅助当前sample的标签分类任务;但是这种情况可能对于标签预测的时候,,从而影响模型的性能,这里使用的方法是,;这里的模型同时还考虑了对于;模型中使用了对比学习系数β使得模型在学习的时候可以捕捉到更加细粒度的标签关联性信息。原创 2023-04-17 14:29:50 · 355 阅读 · 0 评论 -
Self-Supervised Meta-Learning for Few-Shot Natural Language Classification Tasks
文中提到,将大规模预训练语言模型在小规模数据集上fine-tuning时,数据不充分不能够取得很好的效果的这种情况认为是一大挑战。作者认为这将是一种few-shot Learning,因为这种情况就被称为是训练和测试集的模型不匹配问题,在进行微调的时候不能够学习到一个很好的初始化参数,同时进行fine-tuning的时候还要引入一些额外的参数,这就导致在本就不多的特定任务的数据集上很难习得很少的模型结果;文中对于上面挑战,提到的解决办法是使用meta-learning的思想,让。原创 2023-04-17 14:28:21 · 177 阅读 · 0 评论 -
Multi-label Few and Zero-shot Learning with Knowledge Aggregated from Multiple Label Graphs
首先,在前言部分中重点是描述了多标签分类任务对于CV领域和NLP领域中的许多应用产生了深远的影响,但是由于标签数量的指数型增长以及标签组合产生的不同标签集的多样性,从而导致了这种任务变得具有挑战性;文中重点阐述了多标签分类中不得不面对的两个问题:一个是few-shot问题,另一个是zero-shot问题;下面为了引出文中的做出的主要贡献点,文中提出每一个标签的诞生都是自然而然的带有结构化信息,这种结构化信息可以捕捉到不同的标签的之间的相关性信息;原创 2023-04-12 19:29:32 · 114 阅读 · 0 评论 -
Meta-LMTC--- Meta-Learning for Large-Scale Multi-Label Text Classification
首先,这个模型是分成两个部分,第一个部分是元学习阶段,第二个部分是Fine-tuning阶段。文中对于元学习阶段进行了详尽的描述:如下图中所示:输入的数据有用来实现LTMC任务的数据集D,以及局部学习率。原创 2023-04-11 11:27:43 · 165 阅读 · 0 评论 -
Label prompt for multi-label text classification笔记
这篇文章是使用Prompt在多标签文本分类上的一篇发在Springer Nature上的文章,模型名称LP-MTC原创 2023-04-07 17:35:10 · 357 阅读 · 0 评论 -
Multi-Label Classification of Microblogging Texts Using Convolution Neural Network笔记
由于微博文章所具有的这些特征表明这种类型的data也是短文本数据,所以文中提到这种数据进行多标签分类任务具有的重大难点就在于:数据的稀疏性问题以及维度灾难问题;针对于这种数据处理任务的场景下,文中提出的短文本多标签处理模型的架构是基于CNN的处理架构,这种架构充分利用来自于通用领域的词向量信息和特定领域的词向量信息。这些词向量被分别独立使用,同时通过CNN不同通道的结合方式最终完成对于类标签的预测任务;文中在进行对比实验的时候,将本文中提出的模型和传统的机器学习算法以及现存的CNN的一些架构的方法进行了原创 2023-04-03 20:57:53 · 95 阅读 · 0 评论 -
HFT-CNN-Learning Hierarchical Category Structure for Multi-label Short Text Categorization笔记
这篇文章是发布于2018年的用来实现短文本多标签的文章,这篇文章的主题思想是通过构建一个层次结构来实现高效的多标签分类任务;原创 2023-03-30 17:25:15 · 132 阅读 · 0 评论