PulseAugur
中
实时 09:15:54
English(EN) TEAMMix: Taxonomy Enrichment Augmentation and Minority-augmented Mixing Strategy for LLM-enhanced Weak-Supervised Hierarchical Text Classification

TEAMMix框架增强了基于LLM的分层文本分类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了TEAMMix，一个旨在利用基于LLM的数据增强来增强分层文本分类（HTC）的新型框架。该方法通过关键词生成和语料库挖掘来语义丰富标签层级，解决了复杂的标签层级和类别不平衡等挑战。然后，它使用LLM生成伪样本来对抗长尾问题，并采用基于高斯混合模型的置信度重采样来提高数据质量。实验表明，TEAMMix能有效提升LLM生成标签的可靠性，并显著提高在细粒度和不平衡数据集上的分类性能。 AI

影响 这项研究为提高LLM在分层文本分类任务中的性能提供了一种新方法，尤其是在处理不平衡数据集方面。

排序理由 该集群包含一篇详细介绍文本分类新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

TEAMMix框架增强了基于LLM的分层文本分类

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Jian Zhang, Zhuohao Yang, Songlin Lei, Bangli Liu, Ziwei Wang, Xufeng Weng, Gehan Amaratunga, Yu Lin, Hongwei Wang ·

    TEAMMix：用于增强大语言模型（LLM）的弱监督分层文本分类的分类法丰富增强和少数类增强混合策略

    arXiv:2608.11044v1 Announce Type: new Abstract: Hierarchical Text Classification (HTC), as a critical text mining task, faces challenges such as complex label hierarchies and class imbalance. Existing methods based on large language models (LLMs) struggle to be efficiently applie…

相关实体

相关话题