基于Kolmogorov-Arnold卷积的克隬语句子分类新方法
计算与语言
2025-07-10 v1 人工智能
摘要
本文提出了将Kolmogorov-Arnold卷积用于文本（KAConvText）的首次应用，用于句子分类，解决三个任务:不平衡的二分类仇恨言论检测、平衡的多类新闻分类和不平衡的多类族群语言识别。我们研究了各种嵌入配置，比较了随机嵌入与fastText嵌入在静态和微调设置下的表现，嵌入维度为100和300，使用CBOW和Skip-gram模型。基线包括标准CNN和使用Kolmogorov-Arnold网络（CNN-KAN）增强的CNN。此外，我们研究了KAConvText与不同分类头—MLP和KAN，其中使用KAN头支持增强可解释性。结果表明，KAConvText-MLP使用微调的fastText嵌入在仇恨言论检测中达到最佳性能，准确率为91.23%（F1得分=0.9109），新闻分类中准确率为92.66%（F1得分=0.9267），语言识别中准确率为99.82%（F1得分=0.9982）。
引用
@article{arxiv.2507.06753,
title = {KAConvText: Novel Approach to Burmese Sentence Classification using Kolmogorov-Arnold Convolution},
author = {Ye Kyaw Thu and Thura Aung and Thazin Myint Oo and Thepchai Supnithi},
journal= {arXiv preprint arXiv:2507.06753},
year = {2025}
}
备注
10 pages, 3 figures, 4 tables