词与类别标签的联合嵌入用于层次化多标签文本分类
神经与进化计算
2020-08-27 v3 计算与语言
机器学习
摘要
随着分类标签粒度的不断细化和分类标签规模的扩大，文本分类变得越来越具有挑战性。为此，一些研究将策略应用于利用具有大量类别问题中的层次结构。目前，层次化文本分类（HTC）已受到广泛关注并具有广阔的应用前景。在文本分类任务中充分利用父类别与子类别之间的关系可大幅提升分类性能。本文中，我们提出一种基于层次化微调有序神经元 LSTM（HFT-ONLSTM）的文本与父类别联合嵌入方法用于 HTC。我们的方法充分利用了上层标签与下层标签之间的联系。实验表明，我们的模型以更低的计算成本优于最先进的层次化模型。
关键词
引用
@article{arxiv.2004.02555,
title = {Joint Embedding of Words and Category Labels for Hierarchical Multi-label Text Classification},
author = {Jingpeng Zhao and Yinglong Ma},
journal= {arXiv preprint arXiv:2004.02555},
year = {2020}
}
备注
The submitted paper (Identifier: arXiv:2004.02555) has a problem of authorship disputes within a collaboration of authors