التدريب المسبق على المستندات حسب التسمية للتصنيف النصي متعدد التسميات

يُعد التحدي الرئيسي في التصنيف النصي متعدد التصنيفات (MLTC) هو استغلال التمايزات الممكنة بين التصنيفات والعلاقات بينها بشكل فعّال. في هذه الورقة البحثية، نتناول هذا التحدي من خلال تطوير طريقة التدريب المسبق حسب التصنيف (LW-PT) لاستخلاص تمثيل للوثيقة يحتوي على معلومات واعية بالتصنيفات. الفكرة الأساسية تتمثل في أن وثيقة متعددة التصنيفات يمكن تمثيلها كمزيج من تمثيلات متعددة لكل تصنيف على حدة، وأن التصنيفات المرتبطة دائمًا ما تظهر معًا في نفس الوثيقة أو وثائق مشابهة. تقوم طريقة LW-PT بتنفيذ هذه الفكرة من خلال إنشاء مهام تصنيف وثائق حسب التصنيف، وتدريب مشغلات تمثيل وثائق حسب التصنيف. وفي النهاية، يتم ضبط النموذج المُدرَّب مسبقًا حسب التصنيف بشكل دقيق (fine-tuning) باستخدام المهمة التطبيقية للتصنيف النصي متعدد التصنيفات. وقد أثبتت النتائج التجريبية الواسعة أن الطريقة المقترحة تتفوق بشكل كبير على النماذج السابقة الأكثر تقدمًا، وأنها قادرة على اكتشاف علاقات تصنيف معقولة. وتم إصدار الكود المصدري لتمكين الباحثين الآخرين من الاستفادة منه.