在多标签文本分类(MLTC)中,一个样本可以属于多个类。可以看出,在大多数MLTC任务中,标签之间存在依赖关系或相互关系。现有的方法往往忽略了标签之间的关系。本文提出了一种基于图的注意力网络模型来捕获标签间的注意依赖结构。图注意力网络使用一个特征矩阵和一个相关矩阵来捕获和探索标签之间的关键依赖关系,并为任务生成分类器。将生成的分类器应用于文本特征提取网络(BiLSTM)获得的句子特征向量,实现端到端训练。注意力允许系统为每个标签分配不同的权值给相邻节点,从而允许系统隐式地学习标签之间的依赖关系。在5个实际的MLTC数据集上验证了模型的结果。与以往的先进模型相比,该模型具有相似或更好的性能。
https://www.zhuanzhi.ai/paper/4e6f146764d45f965d45de33bc0cb74b
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“MLTC” 就可以获取《注意力图神经网络的多标签文本分类》专知下载链接