論文の概要: Label-guided Learning for Text Classification

• arxiv url: http://arxiv.org/abs/2002.10772v1
• Date: Tue, 25 Feb 2020 10:05:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 20:33:32.032793
• Title: Label-guided Learning for Text Classification
• Title（参考訳）: テキスト分類のためのラベル誘導学習
• Authors: Xien Liu, Song Wang, Xiao Zhang, Xinxin You, Ji Wu and Dejing Dou
• Abstract要約: テキスト表現と分類のためのラベル誘導学習フレームワークLguidedLearnを提案する。 本手法は,一般的なテキスト表現学習スキーマにラベル付き符号化層を挿入するだけでよい,斬新な手法である。 提案フレームワークでは,ラベル誘導層を文脈符号化法で容易に直接適用し,共同学習を行う。
• 参考スコア（独自算出の注目度）: 47.15144153830845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text classification is one of the most important and fundamental tasks in natural language processing. Performance of this task mainly dependents on text representation learning. Currently, most existing learning frameworks mainly focus on encoding local contextual information between words. These methods always neglect to exploit global clues, such as label information, for encoding text information. In this study, we propose a label-guided learning framework LguidedLearn for text representation and classification. Our method is novel but simple that we only insert a label-guided encoding layer into the commonly used text representation learning schemas. That label-guided layer performs label-based attentive encoding to map the universal text embedding (encoded by a contextual information learner) into different label spaces, resulting in label-wise embeddings. In our proposed framework, the label-guided layer can be easily and directly applied with a contextual encoding method to perform jointly learning. Text information is encoded based on both the local contextual information and the global label clues. Therefore, the obtained text embeddings are more robust and discriminative for text classification. Extensive experiments are conducted on benchmark datasets to illustrate the effectiveness of our proposed method.
• Abstract（参考訳）: テキスト分類は自然言語処理において最も重要なタスクの1つである。 このタスクのパフォーマンスは、主にテキスト表現学習に依存する。 現在、既存の学習フレームワークは、主に単語間の局所的な文脈情報をエンコーディングすることに焦点を当てている。 これらの手法は常に、ラベル情報などのグローバルな手がかりを利用してテキスト情報をエンコードすることを無視する。 本研究では,テキスト表現と分類のためのラベル案内学習フレームワークlguidedlearnを提案する。 提案手法は新鮮だが単純で,一般的なテキスト表現学習スキーマにラベル誘導符号化層のみを挿入する。 そのラベル誘導層はラベルベースの注意符号化を行い、ユニバーサルテキスト埋め込み(文脈情報学習者によって符号化される)を異なるラベル空間にマッピングし、ラベルワイドな埋め込みをもたらす。 提案手法では,ラベル誘導層をコンテクストエンコーディング法で容易に直接適用し,共同学習を行うことができる。 テキスト情報は、ローカルコンテキスト情報とグローバルラベル手がかりの両方に基づいてエンコードされる。 したがって、得られたテキスト埋め込みは、テキスト分類においてより堅牢で差別的である。 提案手法の有効性を説明するため,ベンチマークデータセットを用いて広範な実験を行った。

関連論文リスト

• Efficiently Leveraging Linguistic Priors for Scene Text Spotting [63.22351047545888]
  本稿では,大規模テキストコーパスから言語知識を活用する手法を提案する。 シーンテキストデータセットとよく一致したテキスト分布を生成し、ドメイン内の微調整の必要性を取り除く。 実験結果から,本手法は認識精度を向上するだけでなく,単語のより正確な局所化を可能にすることが示された。
  論文  参考訳（メタデータ） (2024-02-27T01:57:09Z)
• Description-Enhanced Label Embedding Contrastive Learning for Text Classification [65.01077813330559]
  モデル学習プロセスにおける自己監督型学習(SSL)と新しい自己監督型関係関係(R2)分類タスクの設計 テキスト分類とR2分類を最適化対象として扱うテキスト分類のための関係学習ネットワーク(R2-Net)の関係について検討する。 ラベルセマンティックラーニングのためのマルチアスペクト記述を得るためのWordNetからの外部知識。
  論文  参考訳（メタデータ） (2023-06-15T02:19:34Z)
• Improve Text Classification Accuracy with Intent Information [0.38073142980733]
  既存の手法ではラベル情報の利用を考慮せず、トークンを意識したシナリオではテキスト分類システムの性能が低下する可能性がある。 本稿では,テキスト分類タスクのラベル埋め込みとしてラベル情報を導入し,ベンチマークデータセット上での顕著な性能を実現する。
  論文  参考訳（メタデータ） (2022-12-15T08:15:32Z)
• IDEA: Interactive DoublE Attentions from Label Embedding for Text Classification [4.342189319523322]
  そこで,本研究では,シム BERT による新しいモデル構造と IDEA という対話型ダブルアテンションを提案し,テキストとラベル名の情報交換を行う。 提案手法は, ラベルテキストを用いた最先端の手法よりも, より安定した結果が得られている。
  論文  参考訳（メタデータ） (2022-09-23T04:50:47Z)
• Open-Vocabulary Multi-Label Classification via Multi-modal Knowledge Transfer [55.885555581039895]
  マルチラベルゼロショット学習(ML-ZSL)は、事前訓練されたテキストラベル埋め込みによる知識の伝達に焦点を当てている。 マルチラベル分類のためのMKT(Multimodal Knowledge Transfer)と呼ばれる新しいオープン語彙フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-05T08:32:18Z)
• Label Semantic Aware Pre-training for Few-shot Text Classification [53.80908620663974]
  テキスト分類システムの一般化とデータ効率を向上させるために,ラベルセマンティック・アウェア事前学習(LSAP)を提案する。 LSAPは、ラベル付き文の2次事前学習を行うことにより、ラベルセマンティクスを事前学習された生成モデル(T5)に組み込む。
  論文  参考訳（メタデータ） (2022-04-14T17:33:34Z)
• Prompt-Learning for Short Text Classification [30.53216712864025]
  短文では、極端に短い長さ、特徴の空間性、高いあいまいさは、分類タスクに大きな課題をもたらす。 本稿では,知識拡張に基づく素早い学習を生かした簡易な短文分類手法を提案する。
  論文  参考訳（メタデータ） (2022-02-23T08:07:06Z)
• Scene Text Detection with Scribble Lines [59.698806258671105]
  テキスト検出のための多角形の代わりにスクリブル線でテキストをアノテートすることを提案する。 さまざまな形状のテキストの一般的なラベリング方法であり、ラベリングコストが低くなります。 実験の結果,提案手法は弱ラベル法と元のポリゴン系ラベリング法との間の性能ギャップを橋渡しすることを示した。
  論文  参考訳（メタデータ） (2020-12-09T13:14:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。