丁香五月天婷婷久久婷婷色综合91|国产传媒自偷自拍|久久影院亚洲精品|国产欧美VA天堂国产美女自慰视屏|免费黄色av网站|婷婷丁香五月激情四射|日韩AV一区二区中文字幕在线观看|亚洲欧美日本性爱|日日噜噜噜夜夜噜噜噜|中文Av日韩一区二区

您正在使用IE低版瀏覽器,為了您的雷峰網(wǎng)賬號(hào)安全和更好的產(chǎn)品體驗(yàn),強(qiáng)烈建議使用更快更安全的瀏覽器
此為臨時(shí)鏈接,僅用于文章預(yù)覽,將在時(shí)失效
人工智能學(xué)術(shù) 正文
發(fā)私信給我在思考中
發(fā)送

0

EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略

本文作者: 我在思考中 2021-11-10 15:37
導(dǎo)語(yǔ):平衡損失函數(shù)為多標(biāo)簽文本分類(lèi)的應(yīng)用提供了一個(gè)有效策略。
EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略
作者 | 黃毅

EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略
作者簡(jiǎn)介:黃毅,本文一作,目前為羅氏集團(tuán)的數(shù)據(jù)科學(xué)家,研究領(lǐng)域?yàn)樽匀徽Z(yǔ)言處理的生物醫(yī)學(xué)應(yīng)用。
論文鏈接:https://arxiv.org/pdf/2109.04712.pdf
文章源碼:https://github.com/Roche/BalancedLossNLP



1

摘要

多標(biāo)簽文本分類(lèi)是自然語(yǔ)言處理中的一類(lèi)經(jīng)典任務(wù),訓(xùn)練模型為給定文本標(biāo)記上不定數(shù)目的類(lèi)別標(biāo)簽。然而實(shí)際應(yīng)用時(shí),各類(lèi)別標(biāo)簽的訓(xùn)練數(shù)據(jù)量往往差異較大(不平衡分類(lèi)問(wèn)題),甚至是長(zhǎng)尾分布,影響了所獲得模型的效果。重采樣(Resampling)和重加權(quán)(Reweighting)常用于應(yīng)對(duì)不平衡分類(lèi)問(wèn)題,但由于多標(biāo)簽文本分類(lèi)的場(chǎng)景下類(lèi)別標(biāo)簽間存在關(guān)聯(lián),現(xiàn)有方法會(huì)導(dǎo)致對(duì)高頻標(biāo)簽的過(guò)采樣。本項(xiàng)工作中,我們探討了優(yōu)化損失函數(shù)的策略,尤其是平衡損失函數(shù)在多標(biāo)簽文本分類(lèi)中的應(yīng)用。基于通用數(shù)據(jù)集 (Reuters-21578,90 個(gè)標(biāo)簽) 和生物醫(yī)學(xué)領(lǐng)域數(shù)據(jù)集(PubMed,18211 個(gè)標(biāo)簽)的多組實(shí)驗(yàn),我們發(fā)現(xiàn)一類(lèi)分布平衡損失函數(shù)的表現(xiàn)整體優(yōu)于常用損失函數(shù)。研究人員近期發(fā)現(xiàn)該類(lèi)損失函數(shù)對(duì)圖像識(shí)別模型的效果提升,而我們的工作進(jìn)一步證明其在自然語(yǔ)言處理中的有效性。



2

引言

多標(biāo)簽文本分類(lèi)是自然語(yǔ)言處理(NLP)的核心任務(wù)之一,旨在為給定文本從標(biāo)簽庫(kù)中找到多個(gè)相關(guān)標(biāo)簽,可應(yīng)用于搜索(Prabhu et al., 2018)和產(chǎn)品分類(lèi)(Agrawal et al., 2013)等諸多場(chǎng)景。圖 1 展示了通用多標(biāo)簽文本分類(lèi)數(shù)據(jù)集 Reuters-21578 的樣例數(shù)據(jù)(Hayes and Weinstein, 1990)。

EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略
圖1 Reuters-21578 的樣例數(shù)據(jù)(僅展示文章標(biāo)題)。
標(biāo)簽后面的數(shù)字代表數(shù)據(jù)集中帶有該標(biāo)簽的數(shù)據(jù)實(shí)例個(gè)數(shù)。
當(dāng)標(biāo)簽數(shù)據(jù)存在長(zhǎng)尾分布(不平衡分類(lèi))和標(biāo)簽連鎖(類(lèi)別共現(xiàn))時(shí),多標(biāo)簽文本分類(lèi)會(huì)變得更加復(fù)雜(圖2)。長(zhǎng)尾分布,指的是一小部分標(biāo)簽(即頭部標(biāo)簽)有很多數(shù)據(jù)實(shí)例,而大多數(shù)標(biāo)簽(即尾部標(biāo)簽)只有很少數(shù)據(jù)實(shí)例的不平衡分類(lèi)情況。標(biāo)簽連鎖,指的是頭部標(biāo)簽與尾部標(biāo)簽共同出現(xiàn)導(dǎo)致模型對(duì)頭部標(biāo)簽的權(quán)重傾斜。現(xiàn)有的 NLP 解決方案包括但不限于:在分類(lèi)中對(duì)尾部標(biāo)簽重采樣(Estabrooks et al., 2004; Charte et al., 2015),模型初始化時(shí)將類(lèi)別共現(xiàn)信息納入考慮(Kurata et al., 2016),以及將頭尾部標(biāo)簽混合的多任務(wù)架構(gòu)方案 (Yang et al., 2020) 。但這些方案依賴于模型架構(gòu)的專(zhuān)門(mén)設(shè)計(jì),或不適用于長(zhǎng)尾分布數(shù)據(jù)。

EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略

圖2 Reuters-21578的長(zhǎng)尾分布和標(biāo)簽連鎖現(xiàn)象。

熱圖矩陣展示了第i列標(biāo)簽在含第j行標(biāo)簽數(shù)據(jù)實(shí)例中的條件概率p(i|j)
近年來(lái),計(jì)算機(jī)視覺(jué)(CV)領(lǐng)域也有不少關(guān)于多標(biāo)簽分類(lèi)的研究。其中,優(yōu)化損失函數(shù)的策略已被用于多種 CV 任務(wù),如對(duì)象識(shí)別(Durand et al., 2019; Milletari et al., 2016)、語(yǔ)義分割(Ge et al., 2018)與醫(yī)學(xué)影像(Li et al., 2020a)等。平衡損失函數(shù),如 Focal loss (Lin et al., 2017)、Class-balanced loss (Cui et al., 2019) 和 Distribution-balanced loss (Wu et al., 2020) 等,提供了針對(duì)多標(biāo)簽圖像分類(lèi)的長(zhǎng)尾分布和標(biāo)簽連鎖問(wèn)題的解決方案。由于損失函數(shù)的調(diào)整可以獨(dú)立于模型架構(gòu)地靈活嵌入常見(jiàn)模型,NLP 中也逐步有類(lèi)似的優(yōu)化損失函數(shù)的策略探索(Li et al., 2020b; Cohan et al., 2020)。例如,(Li et al., 2020b) 將醫(yī)學(xué)圖像分割任務(wù)中的 Dice loss (Milletari et al., 2016) 引入 NLP,顯著改善了多種任務(wù)的模型效果。
本項(xiàng)工作中,我們將一類(lèi)新的平衡損失函數(shù)引入 NLP,用于多標(biāo)簽文本分類(lèi)任務(wù),并使用 Reuters-21578(一個(gè)通用的小型數(shù)據(jù)集)和 PubMed(一個(gè)生物醫(yī)學(xué)領(lǐng)域的大型數(shù)據(jù)集)數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)。對(duì)于這兩個(gè)數(shù)據(jù)集,分布平衡損失函數(shù)在總指標(biāo)上優(yōu)于其他損失函數(shù),并且顯著改善了尾部標(biāo)簽的模型表現(xiàn)。我們認(rèn)為,平衡損失函數(shù)為多標(biāo)簽文本分類(lèi)的應(yīng)用提供了一個(gè)有效策略。



3

方法介紹
損失函數(shù)
多標(biāo)簽文本分類(lèi)中,二值交叉熵(Binary Cross Entropy, BCE)是較常用的損失函數(shù) (Bengio et al., 2013)。原始的 BCE 容易被大量頭部標(biāo)簽或負(fù)樣本干擾。近年來(lái),一些新的損失函數(shù)通過(guò)調(diào)節(jié) BCE 的權(quán)重,實(shí)現(xiàn)了模型訓(xùn)練過(guò)程的相對(duì)平衡。我們?cè)诖嘶仡櫫巳?lèi)損失函數(shù)設(shè)計(jì)。
Focal loss (FL)通過(guò)模型對(duì)數(shù)據(jù)實(shí)例標(biāo)記標(biāo)簽的“難易程度”為 BCE 設(shè)計(jì)權(quán)重 (Lin et al., 2017)。對(duì)于同一數(shù)據(jù)實(shí)例,相比可輕松分類(lèi)(p值接近真實(shí)值)的標(biāo)簽,難以標(biāo)記(p值遠(yuǎn)離真實(shí)值)的標(biāo)簽將獲得比 BCE 更高的權(quán)重。由于 FL 在模型訓(xùn)練過(guò)程中良好的自適應(yīng)效果,下述兩類(lèi)損失函數(shù)也采用了這一組件。
Class-balanced focal loss(CB)通過(guò)估計(jì)數(shù)據(jù)采樣的有效數(shù)量,將每個(gè)標(biāo)簽增量訓(xùn)練數(shù)據(jù)的邊際效用納入考慮,在不同訓(xùn)練數(shù)據(jù)支持的標(biāo)簽間調(diào)節(jié)權(quán)重 (Cui et al., 2019)。
Distribution-balanced loss(DB,分布平衡損失函數(shù))則是在 FL 基礎(chǔ)上添加了兩部分組件 (Wu et al., 2020)。其一為 Rebalancing 組件,減少了標(biāo)簽連鎖帶來(lái)的冗余信息,其二為 Negative Tolerant Regularization (NTR)組件,在不同正負(fù)樣本數(shù)目的標(biāo)簽間調(diào)節(jié)權(quán)重,降低尾部標(biāo)簽的閾值。
上述損失函數(shù)的具體設(shè)計(jì)如圖3所示(簡(jiǎn)單起見(jiàn)已略去求和平均項(xiàng))。

EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略

圖3 損失函數(shù)的具體設(shè)計(jì)。

數(shù)據(jù)集
本項(xiàng)工作中,我們使用了兩個(gè)不同數(shù)據(jù)量和領(lǐng)域的多標(biāo)簽文本分類(lèi)數(shù)據(jù)集(表 1)。Reuters-21578 數(shù)據(jù)集包含1987 年刊登在路透社的一萬(wàn)多份新聞文章(Hayes and Weinstein, 1990)。我們按照(Yang and Liu, 1999)使用的訓(xùn)練-測(cè)試分割數(shù)據(jù),并將 90 個(gè)標(biāo)簽平均分為頭部(30 個(gè)標(biāo)簽,各含 ≥35 個(gè)實(shí)例)、中部(31 個(gè)標(biāo)簽,各含 8-35 個(gè)實(shí)例)和尾部(30 個(gè)標(biāo)簽,各含 ≤8 個(gè)實(shí)例)標(biāo)簽的子集。PubMed 數(shù)據(jù)集則來(lái)自 BioASQ 競(jìng)賽(Licence:8283NLM123),包含PubMed 文章的標(biāo)題、摘要及對(duì)應(yīng)的生物醫(yī)學(xué)主題詞標(biāo)記 (MeSH)(Tsatsaronis et al.,2015; Coordinators, 2017)。類(lèi)似地,18211個(gè)標(biāo)簽按分位數(shù)分為頭部(6018 個(gè)標(biāo)簽,各含≥50 個(gè)實(shí)例)、中部(5581 個(gè)標(biāo)簽,各含 15-50 個(gè)實(shí)例)和尾部(6612 個(gè)標(biāo)簽,各含 ≤15 個(gè)實(shí)例)標(biāo)簽的子集。

EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略

表1 實(shí)驗(yàn)用數(shù)據(jù)集的基本信息



4

實(shí)驗(yàn)
我們比較了不同損失函數(shù)與經(jīng)典 SVM one-vs-rest 模型的表現(xiàn)。對(duì)于各個(gè)數(shù)據(jù)集和模型,我們計(jì)算了標(biāo)簽集整體以及頭部、中部、尾部標(biāo)簽子集的micro-F1 和 macro-F1 得分(Wu et al., 2019;Lipton et al., 2014 )。表 2 匯總了不同損失函數(shù)的實(shí)驗(yàn)結(jié)果。Reuters-21578 結(jié)果中,BCE 的表現(xiàn)最差。依次對(duì)比 micro-F1 和 macro-F1之間、及不同組間的得分可以看出長(zhǎng)尾分布的影響。PubMed 數(shù)據(jù)由于不平衡更明顯,長(zhǎng)尾分布的影響更大。
EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略
EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略

表2 實(shí)驗(yàn)結(jié)果對(duì)比

對(duì)于 Reuters-21578 數(shù)據(jù)集,損失函數(shù) FL、CB、R-FL 和 NTR-FL 在頭部標(biāo)簽中的表現(xiàn)與 BCE 相似,但在中部和尾部標(biāo)簽中的表現(xiàn)優(yōu)于 BCE,說(shuō)明它們對(duì)于不平衡問(wèn)題的改進(jìn)。DB 在尾部標(biāo)簽改進(jìn)最明顯,整體表現(xiàn)也優(yōu)于先前使用相同數(shù)據(jù)集的解決方案,例如 Binary Relevance、EncDec、CNN、CNN-RNN、Optimal Completion Distillation和 GNN 等(Nam et al., 2017 ; Pal et al., 2020;Tsai and Lee et al., 2020)。對(duì)于PubMed 數(shù)據(jù)集,由于BCE 中部和尾部標(biāo)簽已失效,我們使用 FL 作為更強(qiáng)的基線。其他損失函數(shù)在中部和尾部標(biāo)簽中的表現(xiàn)均優(yōu)于 FL。DB 再次證明了其在整體、中部和尾部標(biāo)簽的良好效果。
我們進(jìn)一步嘗試從 DB 中去除一個(gè)組件,即移除 NTR 組件得到 R-FL、移除 Rebalancing 組件得到 NTR-FL,移除 FL 組件得到 DB-0FL,通過(guò)比較三個(gè)殘缺模型探索對(duì)應(yīng)三個(gè)組件的效果。如表 2 所示,對(duì)于兩個(gè)數(shù)據(jù)集,移除 NTR 組件 (R-FL) 或 FL 組件 (DB-0FL) 會(huì)降低所有亞組的模型效果。移除 Rebalancing 組件 (NTR-FL) 產(chǎn)生相似的整體 micro-F1,但整體 macro-F1 及中部和尾部標(biāo)簽 F1 得分不如 DB,顯示增加Rebalancing 組件的作用。最終,我們還嘗試將 NTR-FL 與 CB 集成,從而得到一個(gè)全新的損失函數(shù) CB-NTR,它在兩個(gè)數(shù)據(jù)集上得到的所有 F1 值均優(yōu)于 CB。CB-NTR 和 DB 間的唯一區(qū)別是使用 CB 權(quán)重替換了 Rebalancing 權(quán)重,而 DB 在中部和尾部標(biāo)簽中的表現(xiàn)優(yōu)于或非常接近 CB-NTR,可能來(lái)自于通過(guò) Rebalancing 權(quán)重處理標(biāo)簽連鎖對(duì)模型效果的提升。



5

結(jié)語(yǔ)
針對(duì)多標(biāo)簽文本分類(lèi)中的不平衡分類(lèi)問(wèn)題,我們研究了優(yōu)化損失函數(shù)的策略,并系統(tǒng)比較了各種平衡損失函數(shù)的效果。我們首次將 DB 引入 NLP,并設(shè)計(jì)了全新的平衡損失函數(shù) CB-NTR。在開(kāi)放數(shù)據(jù)集 Reuters-21578(90 類(lèi)標(biāo)簽,通用領(lǐng)域)和 PubMed(18211 類(lèi)標(biāo)簽,生物醫(yī)學(xué)領(lǐng)域)的實(shí)驗(yàn)表明,DB 的模型效果優(yōu)于其他損失函數(shù)。這項(xiàng)研究證明,優(yōu)化損失函數(shù)的策略可以有效解決多標(biāo)簽文本分類(lèi)時(shí)不平衡分類(lèi)的問(wèn)題。該策略由于僅需調(diào)整損失函數(shù),可以靈活兼容各種基于神經(jīng)網(wǎng)絡(luò)的模型框架,也適用于其他受到長(zhǎng)尾分布影響的 NLP 任務(wù)。

羅氏集團(tuán)制藥部門(mén)中國(guó) CIO 施涪軍該工作來(lái)自于合作團(tuán)隊(duì)在生物醫(yī)學(xué)領(lǐng)域的深度學(xué)習(xí)應(yīng)用探索。相比于日常文本,生物醫(yī)學(xué)領(lǐng)域的語(yǔ)料往往更專(zhuān)業(yè),而標(biāo)注更稀疏,導(dǎo)致 AI 應(yīng)用面臨“最后一公里”的落地挑戰(zhàn)。本論文從稀疏標(biāo)注的長(zhǎng)尾分布等問(wèn)題入手,由 CV 前沿研究引入損失函數(shù)并優(yōu)化,使得既有 NLP 模型可以在框架不變的情況下將訓(xùn)練資源向?qū)嵗^少的類(lèi)別平衡,進(jìn)而實(shí)現(xiàn)整體的模型效果提升。很高興看到此策略在面臨類(lèi)似問(wèn)題的日常文本上同樣有效,希望繼續(xù)與院校、企業(yè)在前沿技術(shù)的研究與應(yīng)用上扎實(shí)共創(chuàng)。

參考文獻(xiàn):


Rahul Agrawal, Archit Gupta, Yashoteja Prabhu, and Manik Varma. 2013. Multi-label learning with millions of labels: Recommending advertiser bid phrases for web pages. In Proceedings of the 22nd international conference on World Wide Web, pages 13–24.


Yoshua Bengio, Aaron Courville, and Pascal Vincent. 2013. Representation learning: A review and new perspectives. IEEE Transactions on Pattern Analysis and Machine Intelligence, 35(8):1798–1828.


Francisco Charte, Antonio J Rivera, María J del Jesus,and Francisco Herrera. 2015. Addressing imbalance in multilabel classification: Measures and random resampling algorithms. Neurocomputing, 163:3–16.


Arman Cohan, Sergey Feldman, Iz Beltagy, Doug Downey, and Daniel Weld. 2020. SPECTER: Document-level representation learning using citation-informed transformers. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, pages 2270–2282, Online. Association for Computational Linguistics.


NCBI Resource Coordinators. 2017. Database resources of the National Center for Biotechnology Information. Nucleic Acids Research, 46(D1):D8–D13.


Yin Cui, Menglin Jia, Tsung-Yi Lin, Yang Song, and Serge Belongie. 2019. Class-balanced loss based on effective number of samples. In 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pages 9260–9269.


Jacob Devlin, Ming-Wei Chang, Kenton Lee, and Kristina Toutanova. 2018. Bert: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint arXiv:1810.04805.


T. Durand, N. Mehrasa, and G. Mori. 2019. Learning a deep convnet for multi-label classification with partial labels. In 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pages 647–657, Los Alamitos, CA, USA. IEEE Computer Society.


Andrew Estabrooks, Taeho Jo, and Nathalie Japkowicz. 2004. A multiple resampling method for learning from imbalanced data sets. Computational intelligence, 20(1):18–36.


Weifeng Ge, Sibei Yang, and Yizhou Yu. 2018. Multievidence filtering and fusion for multi-label classification, object detection and semantic segmentation based on weakly supervised learning. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 


Philip J. Hayes and Steven P. Weinstein. 1990. Construe/tis: A system for content-based indexing of a database of news stories. In Proceedings of the The Second Conference on Innovative Applications of Artificial Intelligence, IAAI ’90, page 49–64. AAAI Press.


Gakuto Kurata, Bing Xiang, and Bowen Zhou. 2016. Improved neural network-based multi-label classification with better initialization leveraging label cooccurrence. In Proceedings of the 2016 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 521–526.


Jinhyuk Lee, Wonjin Yoon, Sungdong Kim, Donghyeon Kim, Sunkyu Kim, Chan Ho So, and Jaewoo Kang. 2019. BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics.


Jianqiang Li, Guanghui Fu, Yueda Chen, Pengzhi Li, Bo Liu, Yan Pei, and Hui Feng. 2020a. A multilabel classification model for full slice brain computerised tomography image. BMC Bioinformatics, 21(6):200.


Xiaoya Li, Xiaofei Sun, Yuxian Meng, Junjun Liang, Fei Wu, and Jiwei Li. 2020b. Dice loss for dataimbalanced NLP tasks. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, pages 465–476, Online. Association for Computational Linguistics. 


Tsung-Yi Lin, Priya Goyal, Ross Girshick, Kaiming He, and Piotr Dollár. 2017. Focal loss for dense object detection. In 2017 IEEE International Conference on Computer Vision (ICCV), pages 2999–3007, Los Alamitos, CA, USA. IEEE Computer Society.


Zachary C. Lipton, Charles Elkan, and Balakrishnan Naryanaswamy. 2014. Optimal thresholding of classifiers to maximize f1 measure. In Machine Learning and Knowledge Discovery in Databases, pages 225–239, Berlin, Heidelberg. Springer Berlin Heidelberg. Fausto Milletari, Nassir Navab, and Seyed-Ahmad Ahmadi. 2016. V-net: Fully convolutional neural networks for volumetric medical image segmentation. In 2016 Fourth International Conference on 3D Vision (3DV), pages 565–571.


Jinseok Nam, Eneldo Loza Mencía, Hyunwoo J Kim, and Johannes Fürnkranz. 2017. Maximizing subset accuracy with recurrent neural networks in multilabel classification. In Advances in Neural Information Processing Systems, volume 30. Curran Associates, Inc.


Ankit Pal, Muru Selvakumar, and Malaikannan Sankarasubbu. 2020. Magnet: Multi-label text classification using attention-based graph neural network. In ICAART (2), pages 494–505. 


F. Pedregosa, G. Varoqu


aux, A. Gramfort, V. Michel, B. Thirion, O. Grisel, M. Blondel, P. Prettenhofer, R. Weiss, V. Dubourg, J. Vanderplas, A. Passos, D. Cournapeau, M. Brucher, M. Perrot, and E. Duchesnay. 2011. Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12:2825–2830.


Yashoteja Prabhu, Anil Kag, Shrutendra Harsola, Rahul Agrawal, and Manik Varma. 2018. Parabel: Partitioned label trees for extreme classification with application to dynamic search advertising. In Proceedings of the 2018 World Wide Web Conference, pages 993–1002.


Che-Ping Tsai and Hung-yi Lee. 2020. Order-free learning alleviating exposure bias in multi-label classification. In The Thirty-Fourth AAAI Conference on Artificial Intelligence, AAAI 2020, The Thirty- Second Innovative Applications of Artificial Intelligence Conference, IAAI 2020, The Tenth AAAI Symposium on Educational Advances in Artificial Intelligence, EAAI 2020, New York, NY, USA, February 7-12, 2020, pages 6038–6045. AAAI Press.


George Tsatsaronis, Georgios Balikas, Prodromos Malakasiotis, Ioannis Partalas, Matthias Zschunke, Michael R Alvers, Dirk Weissenborn, Anastasia Krithara, Sergios Petridis, Dimitris Polychronopoulos, Yannis Almirantis, John Pavlopoulos, Nicolas Baskiotis, Patrick Gallinari, Thierry Artieres, Axel Ngonga, Norman Heino, Eric Gaussier, Liliana Barrio-Alvers, Michael Schroeder, Ion Androutsopoulos, and Georgios Paliouras. 2015. An overview of the bioasq large-scale biomedical semantic indexing and question answering competition. BMC Bioinformatics, 16:138.


Thomas Wolf, Lysandre Debut, Victor Sanh, Julien Chaumond, Clement Delangue, Anthony Moi, Pierric Cistac, Tim Rault, Rémi Louf, Morgan Funtowicz, Joe Davison, Sam Shleifer, Patrick von Platen, Clara Ma, Yacine Jernite, Julien Plu, Canwen Xu, Teven Le Scao, Sylvain Gugger, Mariama Drame, Quentin Lhoest, and Alexander M. Rush. 2020. Transformers: State-of-the-art natural language processing. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing: System Demonstrations, pages 38–45, Online. Association for Computational Linguistics.


Jiawei Wu, Wenhan Xiong, and William Yang Wang. 2019. Learning to learn and predict: A metalearning approach for multi-label classification. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLP-IJCNLP), pages 4354– 4364, Hong Kong, China. Association for Computational Linguistics.


Tong Wu, Qingqiu Huang, Ziwei Liu, Yu Wang, and Dahua Lin. 2020. Distribution-balanced loss for multi-label classification in long-tailed datasets. In Computer Vision – ECCV 2020, pages 162–178, Cham. Springer International Publishing. 


Wenshuo Yang, Jiyi Li, Fumiyo Fukumoto, and Yanming Ye. 2020. HSCNN: A hybrid-Siamese convolutional neural network for extremely imbalanced multi-label text classification. In Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), pages 6716–6722, Online. Association for Computational Linguistics.


Yiming Yang and Xin Liu. 1999. A re-examination of text categorization methods. In Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR ’99, page 42–49, New York, NY, USA. Association for Computing Machinery.

EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略

雷鋒網(wǎng)


雷峰網(wǎng)版權(quán)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。

EMNLP 2021 | 羅氏和博阿齊奇大學(xué)研究合作團(tuán)隊(duì)提出:多標(biāo)簽文本分類(lèi)中長(zhǎng)尾分布的平衡策略

分享:
相關(guān)文章

運(yùn)營(yíng)

當(dāng)月熱門(mén)文章
最新文章
請(qǐng)?zhí)顚?xiě)申請(qǐng)人資料
姓名
電話
郵箱
微信號(hào)
作品鏈接
個(gè)人簡(jiǎn)介
為了您的賬戶安全,請(qǐng)驗(yàn)證郵箱
您的郵箱還未驗(yàn)證,完成可獲20積分喲!
請(qǐng)驗(yàn)證您的郵箱
立即驗(yàn)證
完善賬號(hào)信息
您的賬號(hào)已經(jīng)綁定,現(xiàn)在您可以設(shè)置密碼以方便用郵箱登錄
立即設(shè)置 以后再說(shuō)