面向长尾多标签分类的交互匹配
计算与语言
2020-05-19 v1
摘要
我们提出了一种优雅而有效的方法，通过引入交互匹配（一种已被证明对临时搜索结果排序有用的概念）来解决现有多标签分类模型的局限性。通过执行软 n-gram 交互匹配，我们将标签与自然语言描述（在大多数多标签任务中通常具有）进行匹配。我们的方法可用于增强现有的多标签分类方法，这些方法偏向于频繁出现的标签。我们在两个具有挑战性的任务上评估了我们的方法：临床笔记的自动医疗编码和软件教程文本中实体的自动标注。我们的结果表明，我们的方法在宏平均性能上可带来高达 11% 的相对提升，且大部分增益来自训练集中出现频率较低的标签（即标签的长尾）。
引用
@article{arxiv.2005.08805,
title = {Interaction Matching for Long-Tail Multi-Label Classification},
author = {Sean MacAvaney and Franck Dernoncourt and Walter Chang and Nazli Goharian and Ophir Frieder},
journal= {arXiv preprint arXiv:2005.08805},
year = {2020}
}