面向标签共现和长尾分布的层级文本分类.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

2025,34(2):174−182

[doi:

10.15888/ki.csa.009771]

[CSTR:

32024.14.csa.009771]

©中国科学院软件研究所版权所有.Tel:

+86-10

面向标签共现和长尾分布的层级文本分类①

智媛,

雷海卫,

张斌龙

(中北大学

计算机科学与技术学院,

太原

030051)

通信作者:

雷海卫,

E-mail:

lhw0312@

摘要:

针对当下层级文本分类模型尚未充分利用层级实例的标签信息以及缺乏对类别分布不平衡的处理这两方

面问题,

本文提出一种面向标签共现和长尾分布的层级文本分类方法(hierarchical

text

classification

for

label

co-

occurrence

and

long-tail

distribution,

LC-LTD),

对基于共享标签的文本全局语义和面向长尾分布的平衡损失函数进

行研究.

首先,

设计一种基于共享标签的对比学习目标,

使具有更多共享标签的文本表示在特征空间中的语义距离

更近,

引导模型生成具有判别性的语义表征;

其次,

引入分布平衡损失函数替换二进制交叉熵损失,

缓解层级分类固

有的长尾分布问题,

提高模型的泛化能力.

在WOS、BGC两个公开数据集上将LC-LTD与当前多个主流模型进行

比较,

结果表明所提方法具有更好的分类性能,

更适合处理层级文本分类任务.

关键词:

层级文本分类;

标签共现;

长尾分布;

对比学习;

平衡损失

引用格式:

智媛,雷海卫,张斌龙.面向标签共现和长尾分布的层级文本分类.计算机系统应用,2025,34(2):174–182.

/1003-

3254/9771.html

HierarchicalTextClassificationforLabelCo-occurrenceandLong-tailDistribution

ZHI

Yuan,

LEI

Hai-Wei,

ZHANG

Bin-Long

(School

of

Computer

Science

and

Technology,

North

University

of

China,

Taiyuan

030051,

China)

Abstract:

There

are

two

problems

in

existing

hierarchical

text

classification

model:

underutilization

of

the

label

information

across

hierarchical

instances,

and

lack

of

handling

unbalanced

label

distribution.

To

solve

these

problems,

this

study

proposes

a

hierarchical

text

classification

method

for

label

co-occurrence

and

long-tail

distribution

(LC-LTD)

to

study

the

global

semantic

of

text

based

on

shared

labels

and

balanced

loss

function

for

long-tail

distribution.

First,

a

contrastive

learning

objective

based

on

shared

labels

is

devised

to

narrow

the

semantic

distance

between

text

representations

with

more

shared

labels

in

feature

space

and

to

guide

the

model

to

generate

discriminative

semantic

repre