面向中等大规模标签空间业务相关文本的不平衡多标签分类
信息检索
2023-06-13 v1 机器学习
摘要
在本研究中，我们使用一个特定的不平衡业务数据集比较了四种多标签文本分类方法的性能。我们所评估的四种方法为微调BERT、二元相关性、分类器链和标签幂集。结果表明，微调BERT以显著优势优于其余三种方法，在准确率、F1分数、精确率和召回率上均取得高值。二元相关性在该数据集上也表现良好，而分类器链与标签幂集则表现出相对较差的性能。这些发现凸显了微调BERT在多标签文本分类任务中的有效性，并表明其可能成为企业分析复杂多维文本的有用工具。
引用
@article{arxiv.2306.07046,
title = {Imbalanced Multi-label Classification for Business-related Text with Moderately Large Label Spaces},
author = {Muhammad Arslan and Christophe Cruz},
journal= {arXiv preprint arXiv:2306.07046},
year = {2023}
}