基于标签构建与特征融合的多标签文本分类研究方法

摘要

目前存在的多标签文本分类任务算法，对于标签的建模不是很成熟，其中对于标签的依赖性问题，以及标签特征和文本特征的融合程度问题，均缺乏有效的处理方法。为了更有效地利用标签间的依赖关系，以及整合标签特征与文本特征的融合，提出了一种名为CGTCN的多标签文本分类模型。该模型从标签构建和特征融合的角度出发，通过CompGCN建模标签依赖关系，先利用Transformer中的多头交叉注意力机制初步融合标签特征和文本特征，然后再通过CorNet网络进一步捕获标签特征与文本特征之间的相关性，从而得到最终的标签预测。实验结果显示，与基准模型相比，该方法能够有效的提升模型性能，在多标签文本分类任务中取得更好的分类效果。

关键词

多标签文本分类 / CompGCN / Transformer / CorNet / 标签相关性