原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第卷第期中文信息学报,
391Vol.39No.1
年月,
20251JOURNALOFCHINESEINFORMATIONPROCESSINGJan.2025
文章编号:()
1003-0077202501-0079-10
自监督知识增强的零样本文本分类方法
,,,,,,
林铄浩陈炜万怀宇蒋致书赵书源廖梦祈张芷毓
(,)
北京交通大学计算机与信息技术学院北京100044
:,
摘要为了改善零样本文本分类任务中无标签数据存在的类别不平衡问题并充分发挥预训练语言模型在该任
,(
务中的推理能力该文提出了一种自监督知识增强的零样本文本分类方法KnowledeEnhancedZero-shotText
g
,)。,
ClassificationKE0TC该方法利用提示模板引导大规模预训练语言模型扩展类别标签并构建知识图谱通过图
;,
结构进行去噪和自监督数据生成然后采用段落采样等方式将提取的带标签数据隐式映射到分类器的参数空间
,。
中进而在不收集无标签训练数据的情况下实现对分类空间的建模在三个文本分类数据集上与四个基线方法相
,,。
比KE0TC能基于较少的训练语料以较低的耗时达到较高分类性能
:;;
关键词零样本文本分类知识图谱数据增强
中图分类号:TP183文献标识码:A
Zero-shotTextClassificationMethodwith
Self-suervisedKnowledeEnhancement
pg
,,,,
LINShuohaoCHENWeiWANHuaiuJIANGZhishu
y
,,
ZHAOShuuanLIAOMeniZHANGZhiu
ygqy
(,,,)
SchoolofComutera
文档评论（0）