摘要

多标签文本分类（Multi-label Text Classification, MLTC）旨在为给定文档打上最相关的多个标签。本文提出了一种标签特定注意力网络（Label-Specific Attention Network, LSAN），用于学习标签特定的文档表示。LSAN充分利用标签语义信息，挖掘标签与文档之间的语义关联，从而构建标签特定的文档表示。同时，引入自注意力机制，从文档内容信息中识别出与特定标签相关的表示。为实现上述两部分的无缝融合，本文提出一种自适应融合策略，能够有效生成综合的标签特定文档表示，进而构建多标签文本分类器。大量实验结果表明，LSAN在四个不同数据集上均持续优于现有最先进方法，尤其在低频标签的预测性能上表现显著。相关代码与超参数设置已公开发布，以促进后续研究。