论文阅读笔记｜大规模多标签文本分类

多标签文本分类（Extreme Multi Label Classification, MLTC）是自然语言处理领域中一个十分重要的任务，其旨在从一个给定的标签集合中选取出与文本相关的若干个标签。MLTC可以广泛应用于网页标注，话题识别和情感分析等场景。大规模标签分类特点在于标签集规模较大，且标签之间可能存在从属或包含关系，这种情况下的分类不同于一般的二分类或十分类等标签互斥的分类，由于标签之间关系的复杂性，此问题有较好的研究价值，在搜索或推荐系统中也有较高的应用价值。

---

方法汇总

• 1-vs-all：把多标签分类看作是二分类问题
• label-tree-based：类似决策树
• embedding-based：将最后一层特征维度先映射到比较小的维度上，减少参数量
• deep-learning-based：（1）看成seq2seq任务，一步步生成标签直到end。这时标签集被看作是一个词库，添加了 和
• discriminative learning-based：先把文本处理成一个向量，再用概率标签树得到最终的概率。（个人理解：是不是只要达到某个阈值就判定当前文本属于此标签）
• 还有一些将上述方法结合的工作

---

评价指标

---

相关文献

• AttentionXML: Label Tree-based Attention-Aware Deep Model for High-Performance Extreme Multi-Label Text Classification（NIPS, 2019）
• Deep Extreme Multi-label Learning（ICMR, 2018）
• Hierarchical Text Classification with Reinforced Label Assignment（EMNLP, 2019）
• Multi-modal Extreme Classification（CVPR, 2022）
• Contrastive Learning-Enhanced Nearest Neighbor Mechanism for MLTC（ACL, 2022）
  主要思想：使用对比学习增强多标签文本分类中的k近邻机制，将对比学习和kNN聚类融入到分类过程中

一个神奇的网站：Reinforced Label Assignment The Extreme Classification Repository，包含多个大规模多标签文本分类模型的介简介及其相关代码。

---

参考资料

1. 大规模多标签分类 - 知乎 (zhihu.com)
2. 多标签学习的新趋势（2021 Survey TPAMI） - 知乎 (zhihu.com)