ICXML：一种用于零样本极端多标签分类的上下文学习框架
机器学习
2024-04-16 v2 计算与语言
摘要
本文关注极端多标签分类（XMC）任务，其目标是从极大标签空间中对每个实例预测多个标签。现有研究主要集中于全监督 XMC，而现实场景常缺乏监督信号，凸显了零样本设置的重要性。鉴于庞大的标签空间，利用上下文学习方法并非易事。我们通过提出上下文极端多标签学习（ICXML）解决该问题，这是一个两阶段框架，通过上下文学习生成一组候选标签以缩减搜索空间，随后对其进行重排序。大量实验表明 ICXML 在两个不同的公开基准上推进了 SOTA。
引用
@article{arxiv.2311.09649,
title = {ICXML: An In-Context Learning Framework for Zero-Shot Extreme Multi-Label Classification},
author = {Yaxin Zhu and Hamed Zamani},
journal= {arXiv preprint arXiv:2311.09649},
year = {2024}
}