随机循环向量的多标签学习
原文中文，约200字，阅读约需1分钟。发表于：。通过使用随机循环向量作为输出层的表征，本文提出了一种改进的深度神经网络模型，用于解决极端多标签分类任务。在合成数据集和实际数据集上的实验证明，随机循环向量相对于随机实数向量具有更好的标签编码能力，能显著提高任务性能并减少输出层尺寸。
该论文介绍了XR-Transformer，一种用于加速transformer模型微调的新递归方法。在Amazon-3M数据集上，该方法实现了较快的训练速度，并将Precision@1从51％提高到54％，成为目前基于transformer的XMC模型中的最佳结果之一。
