利用全局与局部层次结构进行层次化文本分类
计算与语言
2022-11-09 v3
摘要
层次化文本分类旨在多标签文本分类中利用标签层次结构。现有方法以全局视角编码标签层次结构，将标签层次结构视为包含全部标签的静态层次结构。由于全局层次结构是静态的且与文本样本无关，这使得这些方法难以利用层次信息。与全局层次结构相反，局部层次结构是对应于每个文本样本的结构化标签层次结构，它是动态的且与文本样本相关，而先前的方法忽略了这一点。为利用全局与局部层次结构，我们提出了带有全局与局部层次结构的层次引导 BERT（HBGL），其利用 BERT 的大规模参数与先验语言知识对全局和局部层次结构进行建模。此外，HBGL 通过直接用 BERT 对语义与层次信息进行建模，避免了语义模块与层次模块的刻意融合。与最先进方法 HGCLR 相比，我们的方法在三个基准数据集上取得了显著提升。
引用
@article{arxiv.2205.02613,
title = {Exploiting Global and Local Hierarchies for Hierarchical Text Classification},
author = {Ting Jiang and Deqing Wang and Leilei Sun and Zhongzhi Chen and Fuzhen Zhuang and Qinghong Yang},
journal= {arXiv preprint arXiv:2205.02613},
year = {2022}
}
备注
EMNLP 2022