SemFA:基于语义特征与关联注意力的大规模多标签文本分类模型

TP391; 大规模多标签文本分类(XMTC)是从一个庞大且复杂的标签集合中查找与文本样本最相关标签的一项具有挑战性的任务.目前,基于Transformer模型的深度学习方法在XMTC上取得了巨大的成功.然而,现有方法都没能充分利用Trans-former 模型的优势,忽略了文本不同粒度下细微的局部语义信息,同时标签与文本之间的潜在关联尚未得到稳健的建立与利用.对此,提出了一种基于语义特征与关联注意力的大规模多标签文本分类模型SemFA(An Extreme Multi-Label Text Classi-fication Model Based on Semantic Features an...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	计算机科学 2023, Vol.50 (12), p.270-278
Hauptverfasser:	王振东, 董开坤, 黄俊恒, 王佰玲
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!