本文研究零样本情境下基于元数据的多标签文本分类，它不需要任何带标签的标注文档，只依赖于标签表面名称和描述。为了训练一个分类器来计算文档和标签之间的相似度分数，提出了一种新的元数据诱导对比学习(MICoL)方法。 PRELIMINARIES Metadata, Meta-Path, and Meta-Graph 元数据是指网络中的额外信息，在本文使用的学术网络中，通常包含作者、机构、主题等信息。学术网络被建模成一个很典型的异构图（HIN），其中不同类型节点、边之间的构图pattern可以用meta-path或者meta-graph来表示：
超级会员免费看
本文提出了一种名为MICoL的元数据诱导对比学习方法，用于零样本多标签文本分类。利用元数据、元路径和元图，通过两阶段的检索和重排名，实现无标注文本的高效分类。实验表明，该方法在学术网络的文本分类任务中表现出色。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
