
본 연구에서는 다중 레이블 텍스트 분류 문제를 세트 예측 과제로 접근하고, 레이블 간 상관관계를 그래프 합성곱 신경망을 통해 모델링하며, 출력 분포의 다양성을 높이기 위해 Bhattacharyya 거리를 적용하는 레이블 의존성 인식 세트 예측 네트워크(LD-SPN)를 제안한다.


coremsg

레이블-의존성-인식-세트-예측-네트워크를-활용한-다중-레이블-텍스트-분류


레이블 의존성 인식 세트 예측 네트워크를 활용한 다중 레이블 텍스트 분류


title_rewrite


다중 레이블 텍스트 분류에서 효과적인 표현을 학습하는 것은 중요한 과제이며, 이는 레이블 간의 복잡한 관계와 데이터의 긴 꼬리 분포로 인해 발생한다. 이를 해결하기 위해 감독된 대조 학습을 기존 감독 손실 함수와 통합하는 접근법이 제안되었다.


다양한-레이블을-가진-긴-꼬리-다중-레이블-텍스트-분류를-위한-대조-학습-탐구


다양한 레이블을 가진 긴 꼬리 다중 레이블 텍스트 분류를 위한 대조 학습 탐구
