利用局部层级结构与对抗训练进行层级文本分类

层级文本分类 (HTC) 是多标签分类中一个具有挑战性的子任务，因其复杂的分类结构而著称。几乎所有近期的 HTC 工作都专注于标签的结构化方式，却忽略了根据每个输入文本的真实标签所蕴含的子结构，而这些子结构包含丰富的标签共现信息。在本文中，我们引入了一种带有对抗框架的局部层级结构。我们提出了 HiAdv 框架，该框架可适配几乎所有 HTC 模型，并利用局部层级作为辅助信息对其进行优化。我们在两个典型的 HTC 模型上进行了测试，发现 HiAdv 在所有场景下均有效，且擅长处理复杂的分类层级。进一步的实验表明，我们框架的提升确实源于局部层级，且局部层级对于训练数据不足的稀有类别尤为有益。