Label-Specific Document Representation for Multi-Label Text Classification

该论文提出了一种用于多标签文本分类的标签特定文档表示方法。传统的文本分类方法通常将每个文档表示为一个向量，其中每个元素对应于语料库中的一个单词或短语。然后，这些向量被输入到分类器中进行训练和预测。然而，多标签文本分类需要考虑标签之间的相关性，因此需要一种更加复杂的文档表示方法。

该论文提出了一种基于标签的方法，其中每个标签都有一个对应的向量，并且每个文档都由多个标签向量组成。这些标签向量可以被看作是文档表示的一部分，因为它们反映了文档与每个标签之间的相关性。具体而言，该方法使用一种叫做标签嵌入（label embedding）的技术，将每个标签表示为一个向量，并将它们组合成一个标签矩阵。

然后，对于每个文档，该方法计算出一个基于标签矩阵的文档表示。具体而言，对于每个标签，该方法计算出文档与该标签之间的相关性分数，并将其乘以该标签的向量。然后，将所有标签的加权向量相加，得到文档表示。

实验表明，该方法在多个数据集上都比传统的文档表示方法表现更好，特别是在具有高度相关标签的情况下。