SCHK-HTC：面向层次化文本分类的兄弟对比学习与层次化知识感知提示调优
计算与语言
2026-04-20 v1
摘要
少样本层次化文本分类（few-shot HTC）是在数据稀缺条件下将文本映射到预定义树状标签层次结构下的具有挑战性的任务。虽然当前方法利用标签层次结构的结构约束来维持父子预测一致性，但面临一个关键瓶颈：由于领域知识不足，难以区分语义相似的兄弟类。我们引入一种创新方法，称为兄弟对比学习与层次化知识感知提示调优（SCHK-HTC）。本工作不仅强化层次规则，更提升模型对兄弟类之间细微差异的感知能力。具体而言，我们提出一种新型框架，包含两个核心组件：层次化知识提取模块和兄弟对比学习机制。该设计引导模型在每个层次上编码判别性特征，从而提高易混淆类别的可分离性。在三个基准数据集上，我们的方法在大多数情况下均超越了现有最先进方法。我们的代码已公开：https://github.com/happywinder/SCHK-HTC
引用
@article{arxiv.2604.15998,
title = {SCHK-HTC: Sibling Contrastive Learning with Hierarchical Knowledge-Aware Prompt Tuning for Hierarchical Text Classification},
author = {Ke Xiong and Qian Wu and Wangjie Gan and Yuke Li and Xuhong Zhang},
journal= {arXiv preprint arXiv:2604.15998},
year = {2026}
}
备注
5pages,3 figures,ICASSP 2026