MessageNet：利用自然语言处理与元数据进行消息分类
机器学习
2023-01-06 v1 计算与语言
摘要
在本文中，我们提出了一种用于消息分类的深度学习（DL）新方法。我们的方法基于最先进的自然语言处理（NLP）构建模块，结合了一种新颖的元数据输入注入技术，这类元数据通常在消息中可用，例如发送者信息、时间戳、附加图像、音频、隶属关系等。正如我们在全文中所展示的，超越纯文本并利用消息中所有可用通道，可以产生改进的表示和更高的分类准确率。为实现消息表示，每种类型的输入都在神经网络架构中适合该数据类型的专用模块中处理。这样的实现使得所有模块能够同时一起训练，并在网络中形成跨通道特征。我们在实验部分表明，在某些情况下，消息的元数据包含无法仅从文本中提取的额外信息，而当使用这些信息时我们获得了更好的性能。此外，我们证明了我们的多模态模块方法优于其他将元数据注入文本分类器的方法。
引用
@article{arxiv.2301.01808,
title = {MessageNet: Message Classification using Natural Language Processing and Meta-data},
author = {Adar Kahana and Oren Elisha},
journal= {arXiv preprint arXiv:2301.01808},
year = {2023}
}