LabelCoRank：利用共现重排序革新长尾多标签分类
计算与语言
2025-03-12 v1
摘要
动机：尽管由预训练和大规模语言模型驱动的语义表示取得了最新进展，但解决多标签文本分类中的长尾挑战仍是一个重要问题。长尾挑战一直存在难以准确分类低频标签的困难。当前方法通常侧重于改善文本语义，而忽略了标签关系的关键作用。结果：本文介绍了 LabelCoRank，一种受排序原则启发的新方法。LabelCoRank 利用标签共现关系，通过双阶段重排序过程来优化初始标签分类。第一阶段使用初始分类结果形成初步排序。在第二阶段，利用标签共现矩阵对初步结果进行重排序，从而提高最终分类的准确性和相关性。通过将重排序后的标签表示作为额外的文本特征进行整合，LabelCoRank 有效地缓解了多标签文本分类中的长尾问题。在包括 MAG-CS、PubMed 和 AAPD 在内的流行数据集上的实验评估证明了 LabelCoRank 的有效性和鲁棒性。
引用
@article{arxiv.2503.07968,
title = {LabelCoRank: Revolutionizing Long Tail Multi-Label Classification with Co-Occurrence Reranking},
author = {Yan Yan and Junyuan Liu and Bo-Wen Zhang},
journal= {arXiv preprint arXiv:2503.07968},
year = {2025}
}