Utilisation de la hiérarchie locale avec un entraînement adversarial pour la classification textuelle hiérarchique

La classification textuelle hiérarchique (HTC) est une sous-tâche difficile de la classification multi-étiquettes en raison de sa structure taxonomique complexe. Presque tous les travaux récents en HTC se concentrent sur la manière dont les étiquettes sont structurées mais ignorent la sous-structure des étiquettes de vérité de terrain selon chaque texte d'entrée, lequel contient des informations riches sur la co-occurrence des étiquettes. Dans ce travail, nous introduisons cette hiérarchie locale avec un cadre adversarial. Nous proposons un cadre HiAdv qui peut s'adapter à presque tous les modèles de HTC et les optimiser avec la hiérarchie locale comme information auxiliaire. Nous testons deux modèles typiques de HTC et découvrons que HiAdv est efficace dans tous les scénarios et qu'il est doué pour traiter des hiérarchies taxonomiques complexes. D'autres expériences montrent que la promotion de notre cadre provient effectivement de la hiérarchie locale et que la hiérarchie locale est bénéfique pour les classes rares ayant des données d'entraînement insuffisantes.