科研之友
微信
新浪微博
Facebook
分享链接
摘要
多标签文本分类是自然语言处理中文本分类任务的一个分支。目前单标签的文本分类算法已经较为成熟，但是多标签文本分类仍是一项重要而且有挑战的任务。在多标签文本分类任务中，标签之间往往存在关联，但各类标签在样本数量上存在较为严重的不平衡问题。为此，文中提出一种利用标签之间的先验知识，在隐空间中进行数据增强的方法，缓解多标签文本分类数据不平衡造成的模型过拟合及泛化能力差的问题。所提方法可适用于不同的神经网络模型，在多个开放数据集上的实验结果表明，该方法可以有效提升多标签文本分类的性能，对少样本类别的预测性能提升显著，对于多样本类别的预测性能也可以达到很好的效果。
-
单位昆明理工大学; 自动化学院
