Nov, 2023

文本处理对表格数据的分类

PDF
TL;DR自然语言处理技术在过去十年中取得了巨大的进展。本文提出了一种新颖的框架，基于文本的分类 (TBC)，它利用最先进的文本处理技术来解决表格数据上的分类任务。我们提供了一组受控实验，展示了使用这种方法相对于其他分类方法的优势。在几个数据集上的实验结果还表明，该框架在预测类别的准确性、精确性和召回率方面达到了与几种最先进模型相当的性能。
natural language processingtext based classificationclassification taskstabular dataexperimental results
发现论文，激发创造
  • 文本分类算法综述

    本研究讨论了文本分类算法的概述，包括不同的文本特征提取、降维方法、现有算法和技术、评估方法，并探讨了每种技术的限制和在实际问题中的应用。

    Apr, 2019

  • 文本卷积神经网络在自然语言处理和系统推荐之间的全面实现

    本文分析了深度学习在自然语言处理三个核心任务（文本表示、词序建模和知识表示）中的应用现状，探讨了在文本分类背景下自然语言处理所取得的改进和协同效应，同时考虑了文本生成、文本分类和语义解析中对抗技术所带来的挑战，通过对文本分类任务的经验研究，证明了交互式集成训练的有效性，特别是与 TextCNN 结合，凸显了这些进展对文本分类增强的重要性。

    Mar, 2024

  • 使用预训练语言模型建模表格数据

    通过引入预训练语言模型（PTM）和三个处理阶段（MT、MF、CF），提出了一种新的名为 PTab 的框架，以将预训练模型用于建模表格数据，并取得比现有技术更好的分类效果。

    Sep, 2022

  • 使用机器学习模型对文本进行分类并确定对话偏移

    该研究旨在使用自然语言特征提取方法在机器学习中，将朴素贝叶斯、逻辑回归和支持向量机等基本模型用于检测讨论线路偏离主题时教师必须介入的情况，从而实现文本分类和语义分析。

    Nov, 2022

  • 文本分类：回顾、实证和实验评估

    通过使用方法论分类将算法进行细分并实施实证评估和实验比较，我们的研究是第一篇利用此方法论分类对文本分类算法进行分类的综述论文。

    Jan, 2024

  • ICT 供应链的大型表格数据处理：多任务、机器可解释性方法

    提出了一种基于图的表格结构识别（TSR）任务和表格单元格类型分类（CTC）任务的多任务模型，通过使用文本模态和图像模态特征来同时解决这两个任务，旨在将电子文档中的表格数据转化为可机读格式，并为信息提取和解释提供布局和语义信息。实验结果表明，该方法在 ICDAR2013 和 UNLV 数据集上的性能优于现有的方法。

    Aug, 2022

  • 使用表格语言模型在工业表格中进行命名实体识别

    本文研究如何将基于 transformer 的模型应用于工业级别的表格数据中的实体识别问题，并开发了一种专用的表格数据增强策略来提高性能，实验证明表格的归纳偏差对于 transformer-based 模型的收敛至关重要。

    Sep, 2022

  • 自动文本分类中的机器学习

    介绍了文本分类中主流的基于机器学习技术的方法，并就文档表示、分类器构建和评估等三个问题展开讨论。

    Oct, 2001

  • TaBERT: 文本和表格数据联合理解的预训练

    该论文提出了一种在语言模型中加入（半）结构化表格信息的方法，并在语义解析任务上取得了新的最佳结果。

    May, 2020

  • 基于匹配的多类文本分类

    本文提出了一种 TCM 框架，将文本分类视为标签与文本间的匹配问题，并且使用细粒度语义信息来区分大量类别，尤其是在低资源情况下。通过对 4 个多标签文本分类数据集的评估，TCM 展现出比前人方法显著的改进。

    May, 2022