通过因果关系的角度准确利用标签依赖进行多标签文本分类
原文中文，约300字，阅读约需1分钟。发表于：。使用反事实文本分类器（CFTC）通过阻止相关性偏见来消除标签依赖引起的预测偏见。实验证明，我们的 CFTC 在数据集上明显优于基准模型并有效消除了相关性偏见。
该研究评估了多种大规模多标签文本分类方法，发现基于概率标签树的层次分类方法优于基于标签注意力网络的方法。同时，结合Transformer的方法在两个数据集上表现出色，并提出了一种新的最先进的方法，将BERT与LWANs相结合。此外，还提出了一种新模型，利用标签层次结构来改进少量和零-shot学习，并引入了图形感知注释接近度度量。
