基于机器阅读理解的小样本多标签文本分类方法

本发明涉及多标签文本分类技术领域，且公开了一种基于机器阅读理解的小样本多标签文本分类方法，包括以下步骤：首先，对多标签文本数据集进行预处理，统一格式并标注标签。接着，基于标签设计辅助问题并与文本实例结合，形成输入数据。使用RoBERTa模型作为联合编码器主干，学习文本与问题的语义相关性，并构建表征标签关系的标签图。通过特征融合，训练模型以最小化损失函数，并使用验证集进行超参数调优。最终，在测试集上评估模型性能，并与传统方法对比，验证其优势和组件贡献。通过将多标签文本分类向机器阅读理解的任务转化，有助于更好地捕捉文本与标签之间的语义相关性，显著提高了多标签文本分类的准确性。