面向层次化多标签分类的双曲交互模型
机器学习
2019-09-05 v2 计算与语言
机器学习
摘要
与假设标签互斥的传统分类任务不同，层次化多标签分类（HMLC）旨在为每个实例分配多个标签，且标签按层次关系组织。除标签外，由于语言本体是内在的层次结构，词语之间的概念关系也可形成层次结构。因此，学习从词语层次到标签层次的映射可能具有挑战性。我们提出通过将词层次和标签层次共同嵌入双曲空间来对其建模。主要原因是以树状特性为特征的双曲空间与具有层次结构的符号数据的复杂性相匹配。我们设计了一种新的双曲交互模型（HyperIM）来学习标签感知的文档表示并为 HMLC 进行预测。我们在三个基准数据集上进行了大量实验。结果表明，与最先进的方法相比，新模型能真实地捕捉复杂的数据结构并进一步提升 HMLC 的性能。为便于未来研究，我们的代码已公开可用。
引用
@article{arxiv.1905.10802,
title = {Hyperbolic Interaction Model For Hierarchical Multi-Label Classification},
author = {Boli Chen and Xin Huang and Lin Xiao and Zixin Cai and Liping Jing},
journal= {arXiv preprint arXiv:1905.10802},
year = {2019}
}