基于标签语义匹配融合的多标签文本分类方法

摘要

针对当前多标签文本分类研究中存在的文本有效信息提取不充分、标签间的相关性被忽略、文本对标签的语义关注挖掘、利用不足的问题，该文提出了一种基于标签语义匹配融合的多标签文本分类方法.首先，利用DeBERTa模型来计算细粒度为单词级的文本表示；同时，根据标签全局共现构建标签图数据，利用图注意力网络自动学习不同标签之间的关联程度，生成捕获了标签间结构信息与深层相关性的标签特征嵌入；然后，提出了一种基于标签语义匹配的嵌入融合机制建模文本对标签的语义关注，体现了两者的语义关联，并将获得的基于标签语义匹配嵌入的单词融合表示送入CNN中进行特征交互，最终实现标签预测.在AAPD与RCV1-V2这两个公开英文数据集上的实验结果表明，该文所提出的模型性能明显优于其他主流基线模型.

关键词

多标签文本分类 / DeBERTa / 图注意力网络GAT / 标签语义嵌入