使用对比学习信息的分层文本分类:基于引导层次结构的路径
计算与语言
2025-06-06 v1 机器学习
摘要
分层文本分类(HTC)近年来因其能够处理复杂标签层次结构而受到关注。这一技术已在电子商务、客户服务等领域找到了应用。现有的HTC模型要么将标签层次结构单独编码并与文本编码混合，要么在文本编码器中引导标签层次结构。两种方法都捕获了标签层次结构的不同特征，彼此互补。本文提出了一种使用对比学习获取层次感知文本表示和文本感知引导层次结构表示的分层文本分类方法(HTC-CLIP)。在HTC-CLIP的训练期间，我们学习了两套不同的类别概率分布，在推断期间，我们使用这两套概率分布的汇总输出来获取两种表示的最佳组合。我们的实验结果表明，两种先前的方法可以有效地整合到一个体系结构中，以实现 improved performance。在两个公共基准数据集上的测试显示，HTC-CLIP相对于现有最先进模型在宏观F1分数上实现了0.99-2.37%的提升。
引用
@article{arxiv.2506.04381,
title = {Hierarchical Text Classification Using Contrastive Learning Informed Path Guided Hierarchy},
author = {Neeraj Agrawal and Saurabh Kumar and Priyanka Bhatt and Tanishka Agarwal},
journal= {arXiv preprint arXiv:2506.04381},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2203.03825 by other authors