一种基于自反馈神经网络的层级文本分类方法及系统

本发明提供了一种基于自反馈神经网络的层级文本分类方法及系统，属于层级文本分类领域。为了解决现有的层级分类方法在处理多级标签时，其一次性输出全部标签的预测范式会引入扁平化偏差，导致上下层标签关系不一致的问题。本发明通过多级编码器与逐级神经网络结构实现标签间的层级依赖建模，结合多轮自反馈策略在不同级之间进行预测结果的循环校正，从而在细粒度标签判别时有效利用上级标签的信息；加权多目标损失则确保了标签不平衡情况下的稳健性，并允许对不同轮次的贡献度进行细致调控；整体而言，本方法在层级文本分类场景中可兼顾全局一致性与深层级细粒度的准确性，为后续的模型拓展和性能提升奠定了良好基础。