亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Variational Continuous Label Distribution Learning for Multi-Label Text Classification

计算机科学 班级(哲学) 多标签分类 水准点(测量) 人工智能 空格(标点符号) 集合(抽象数据类型) 特征(语言学) 功能(生物学) 特征向量 机器学习 分布(数学) 数据挖掘 数学 数学分析 语言学 哲学 大地测量学 进化生物学 生物 程序设计语言 地理 操作系统
作者
Xingyu Zhao,Yuexuan An,Ning Xu,Xin Geng
出处
期刊:IEEE Transactions on Knowledge and Data Engineering [Institute of Electrical and Electronics Engineers]
卷期号:: 1-15 被引量:3
标识
DOI:10.1109/tkde.2023.3323401
摘要

Multi-label text classification (MLTC) refers to the problem of tagging a given document with the most relevant subset of labels. One of the biggest challenges for MLTC is the existence of class imbalance. Most advanced MLTC models suffer from this issue, which limits the performance of the models. In this paper, we propose a model-agnostic framework named variational continuous label distribution learning (VCLDL) to address this problem. VCLDL theoretically builds a corresponding relationship between the feature space and the label space to mine the information hidden in the observable logical labels. Specifically, VCLDL regards label distribution as a continuous density function in latent space and forms a flexible variational approach to approximate the density function of the labels with the collaboration of the feature space. Combined with VCLDL, MLTC models can pay more attention to the distribution of the whole label set, rather than specific labels with maximum response values, thus the class imbalance problem can be well overcome. Experimental results on multiple benchmark datasets demonstrate that VCLDL can bring significant performance improvements over the existing MLTC models.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
6秒前
16秒前
牧无声发布了新的文献求助10
20秒前
wanci应助科研通管家采纳,获得10
37秒前
1分钟前
牧无声发布了新的文献求助10
1分钟前
1分钟前
赘婿应助牧无声采纳,获得10
1分钟前
2分钟前
cxwong发布了新的文献求助10
2分钟前
kannnliannn完成签到 ,获得积分10
2分钟前
赘婿应助卓头OvQ采纳,获得10
2分钟前
Muncy完成签到 ,获得积分10
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
2分钟前
spark810完成签到 ,获得积分0
2分钟前
2分钟前
2分钟前
卓头OvQ发布了新的文献求助10
2分钟前
卓头OvQ完成签到,获得积分10
3分钟前
冬去春来完成签到 ,获得积分10
3分钟前
cxwong完成签到 ,获得积分10
3分钟前
4分钟前
牧无声发布了新的文献求助10
4分钟前
4分钟前
乐乐应助金丝猴采纳,获得10
4分钟前
tly发布了新的文献求助30
4分钟前
恶恶么v完成签到,获得积分10
5分钟前
5分钟前
金丝猴完成签到,获得积分10
5分钟前
欣5发布了新的文献求助10
5分钟前
汉堡包应助欣5采纳,获得10
5分钟前
科研通AI2S应助累啊采纳,获得10
5分钟前
金丝猴关注了科研通微信公众号
5分钟前
CipherSage应助科研通管家采纳,获得10
6分钟前
顾矜应助科研通管家采纳,获得10
6分钟前
牧无声发布了新的文献求助10
6分钟前
7分钟前
pinklay完成签到 ,获得积分10
7分钟前
7分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3257010
求助须知:如何正确求助?哪些是违规求助? 2899010
关于积分的说明 8303286
捐赠科研通 2568267
什么是DOI,文献DOI怎么找? 1394995
科研通“疑难数据库(出版商)”最低求助积分说明 652925
邀请新用户注册赠送积分活动 630662