基于对比学习提升移动应用文本层次多标签分类
机器学习
2025-07-08 v1
摘要
移动应用的层次化标签系统可为集成其专有用户数据的众多下游业务提供帮助，通过改善用户建模。这种标签层次结构可以定义捕捉传统宽泛应用类别限制之外的更细粒度标签，以刻画应用的详细特征。本文通过利用名称和描述等文本信息解决移动应用的层次化多标签分类问题。我们提出了两种方法：1) HMCN (层次化多标签分类网络)，从两个角度处理分类：第一个侧重于不受层次约束的多标签分类，第二个则在考虑此类约束的前提下依次预测每个层次的标签；2) HMCL (层次化多标签对比学习)，一种能够学习更具辨识度的应用表示，以提升 HMCN 性能的方案。在我们的腾讯应用商店数据集和两个公开数据集上的实证结果表明，我们的方法在与最先进方法之间表现良好。该方法已部署于腾讯，应用的多标签分类输出帮助下游任务——用户信用风险管理——通过 Kolmogorov-Smirnov 指标提升了 10.70%的性能，持续了一年多。
引用
@article{arxiv.2507.04413,
title = {Enhancing Text-Based Hierarchical Multilabel Classification for Mobile Applications via Contrastive Learning},
author = {Jiawei Guo and Yang Xiao and Weipeng Huang and Guangyuan Piao},
journal= {arXiv preprint arXiv:2507.04413},
year = {2025}
}