KeNet: 知识增强的 Doc-Label 注意力网络用于多标签文本分类
原文中文，约300字，阅读约需1分钟。发表于：。提出一种名为 Knowledge-enhanced Doc-Label Attention Network (KeNet) 的新方法，通过综合的文档、知识和标签表示来预测每个文本的所有标签，并在多个多标签数据集上进行了综合验证，实验证明我们的方法优于现有的多标签文本分类方法。
本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Label-Wise Attention Networks。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。同时，引入了图形感知注释接近度度量，提出了利用标签层次结构改进少量和零-shot学习的新模型。
