基于注意力图神经网络的多标签文本分类
计算与语言
2020-03-27 v1 机器学习
机器学习
摘要
在多标签文本分类（MLTC）中，一个样本可以属于多个类别。观察到大多数MLTC任务中，标签之间存在依赖或相关关系。现有方法往往忽略标签之间的关系。本文提出一种基于图注意力网络的模型来捕捉标签间具有注意力的依赖结构。该图注意力网络利用特征矩阵和相关矩阵来捕捉和探索标签间的关键依赖关系，并为该任务生成分类器。生成的分类器应用于从文本特征提取网络（BiLSTM）获得的句子特征向量，以实现端到端训练。注意力使系统能为每个标签对相邻节点分配不同权重，从而隐式地学习标签间的依赖关系。所提模型的结果在五个真实世界MLTC数据集上进行了验证。与先前最先进的模型相比，所提模型取得了相当或更好的性能。
引用
@article{arxiv.2003.11644,
title = {Multi-Label Text Classification using Attention-based Graph Neural Network},
author = {Ankit Pal and Muru Selvakumar and Malaikannan Sankarasubbu},
journal= {arXiv preprint arXiv:2003.11644},
year = {2020}
}