【文本分类】Description Based Text Classification with Reinforcement Learning
#论文推荐# #ICML 2020# 本文发表于ICML 2020。文本分类的任务通常分为两个阶段：文本特征提取和分类。在此标准形式化中，类别仅表示为标签词汇的索引，并且模型缺少关于分类内容的明确指示。受当前将NLP问题形式化为问答任务的趋势的启发，本文提出了一种新的文本分类框架，将每个类别标签都与类别描述相关联。通过人工制作的模板或使用强化学习中的抽象/抽取模型来生成描述。描述和文本的串联被馈送到分类器，以决定是否应将当前标签分配给文本。该策略使模型在标签描述方面关注最显着的文本，这可以看作是注意力的硬性版本，从而导致更好的性能。作者观察到，该方法的性能显着超过了包括单标签分类，多标签分类和多方面情感分析的文本分类任务模型。
论文链接：http://t.cn/A64RcOB8