聚合多标签图知识的小样本/零样本多标签学习
机器学习
2020-10-16 v1 人工智能
摘要
小样本/零样本学习是许多分类任务的巨大挑战，要求分类器识别训练样本极少甚至没有的训练类实例。在多标签分类中变得更困难，其中每个实例被标注多个类别。本文提出一种简单的多图聚合模型，融合来自编码不同语义标签关系的多个标签图的知识，以研究聚合知识如何有益于多标签零样本/小样本文档分类。该模型利用了三种语义信息，即预训练词嵌入、标签描述和预定义标签关系。在两个大型临床数据集（即MIMIC-II和MIMIC-III）以及欧盟立法数据集上的实验结果表明，配备多图知识聚合的方法在几乎所有小样本/零样本标签的指标上均取得显著性能提升。
引用
@article{arxiv.2010.07459,
title = {Multi-label Few/Zero-shot Learning with Knowledge Aggregated from Multiple Label Graphs},
author = {Jueqing Lu and Lan Du and Ming Liu and Joanna Dipnall},
journal= {arXiv preprint arXiv:2010.07459},
year = {2020}
}