基于多尺度特征提取的层次多标签文本分类方法

作     者：武子轩 王烨 于洪 

作者机构：重庆邮电大学计算智能重庆市重点实验室 

出 版 物：《郑州大学学报(理学版)》 (Journal of Zhengzhou University(Natural Science Edition))

年 卷 期：2024年

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2021YFF0704100) 国家自然科学基金项目(62136002,62233018) 重庆市自然科学基金项目(cstc2022ycjh-bgzxm0004) 

主　　题：层次多标签文本分类 多尺度特征提取 对比学习 层次Micro-F1 层次Macro-F1 

摘      要：针对现有的特征提取方法忽略文本局部和全局联系的问题,提出了基于多尺度特征提取的层次多标签文本分类方法。首先,设计了多尺度特征提取模块,对不同尺度特征进行捕捉,更好地表示文本语义。其次,将层次特征嵌入文本表示中,得到具有标签特征的文本语义表示。最后,在标签层次结构的指导下对输入文本构建正负样本,进行对比学习,提高分类效果。在WOS、RCV1-V2、NYT和AAPD数据集上进行对此实验,结果表明,所提模型在评价指标上表现出色,超过了其他主流模型。此外,针对层次分类提出层次Micro-F1和层次Macro-F1指标,并对模型效果进行了评价。