HAXMLNet：面向极端多标签文本分类的层次化注意力网络
信息检索
2019-04-30 v1 机器学习
机器学习
摘要
极端多标签文本分类（XMTC）解决从极端规模标签集中为每个文本标注最相关标签的问题。传统方法使用词袋（BOW）表示且不含上下文信息作为其特征。基于深度学习的最先进方法 AttentionXML 使用循环神经网络（RNN）与多标签注意力，难以应对极端规模（数十万标签）问题。为此，我们提出 HAXMLNet，其采用高效且有效的带多标签注意力的层次化结构。实验结果表明，HAXMLNet 与其他最先进方法相比达到了具有竞争力的性能。
引用
@article{arxiv.1904.12578,
title = {HAXMLNet: Hierarchical Attention Network for Extreme Multi-Label Text Classification},
author = {Ronghui You and Zihan Zhang and Suyang Dai and Shanfeng Zhu},
journal= {arXiv preprint arXiv:1904.12578},
year = {2019}
}