短文本分类的简单图对比学习框架
计算与语言
2025-01-17 v1
摘要
短文本分类因其普遍性和实际应用而在信息时代获得了广泛关注。近期，结合图学习和对比学习的最新进展在解决短文本分类中语义稀疏和有限标签数据的问题方面显示出前景。然而，现有模型存在局限性。它们依赖显式数据增强技术生成对比视图，导致语义损坏和噪声。此外，这些模型仅关注学习生成视图之间的内在一致性，忽略了来自其他潜在视图的有价值判别性信息。为此，我们提出了一种用于短文本分类的简单图对比学习框架（SimSTC）。我们的方法是在多个文本相关组件图上进行图学习，以获得多视图文本嵌入。随后，我们直接对这些嵌入应用对比学习。值得注意的是，我们的方法无需数据增强操作生成对比视图，却仍能利用多视图对比学习的优势。尽管方法简单，我们的模型在各种数据集上实现了卓越的性能，甚至在多个数据集上超越了大型语言模型。
引用
@article{arxiv.2501.09219,
title = {A Simple Graph Contrastive Learning Framework for Short Text Classification},
author = {Yonghao Liu and Fausto Giunchiglia and Lan Huang and Ximing Li and Xiaoyue Feng and Renchu Guan},
journal= {arXiv preprint arXiv:2501.09219},
year = {2025}
}
备注
AAAI2025