基于字形感知解耦字符嵌入与语义子字符增强的文本分类
计算与语言
2020-11-10 v1 人工智能
机器学习
摘要
我们提出了一种面向非字母语言（如中文和日文）的基于字符的文本分类新框架。我们的框架由变分字符编码器（VCE）和字符级文本分类器组成。VCE 由学习所提出的字形感知解耦字符嵌入（GDCE）的 -变分自编码器（-VAE）构成。由于我们的 GDCE 提供零均值单位方差且维度独立的字符嵌入，它可应用于我们可解释的数据增强方法，即语义子字符增强（SSA）。本文中，我们在文档级和句子级的日文文本分类任务上评估了我们的框架。我们确认，我们的 GDCE 与 SSA 不仅提供了嵌入的可解释性，还提升了分类性能。我们的方案取得了与最先进（SOTA）模型相竞争的结果，同时提供了模型可解释性。我们的代码可在 https://github.com/IyatomiLab/GDCE-SSA 获取。
引用
@article{arxiv.2011.04184,
title = {Text Classification through Glyph-aware Disentangled Character Embedding and Semantic Sub-character Augmentation},
author = {Takumi Aoki and Shunsuke Kitada and Hitoshi Iyatomi},
journal= {arXiv preprint arXiv:2011.04184},
year = {2020}
}
备注
6 pages, 3 figures, Accepted at AACL-IJCNLP 2020: Student Research Workshop