マルチラベルテキスト分類（MLTC）は、与えられた文書に対して最も関連性の高いラベルを付与することを目的としています。本論文では、ラベル固有の文書表現を学習するためのラベル固有アテンションネットワーク（LSAN）を提案します。LSANは、ラベルの意味情報を利用して、ラベルと文書の間の意味的関係を特定し、ラベル固有の文書表現を構築することに活用しています。同時に、自己アテンション機構を用いて、文書の内容情報からラベル固有の文書表現を抽出します。これらの2つの要素を円滑に統合するため、適応型融合戦略を提案しており、これにより包括的なラベル固有の文書表現を効果的に出力し、マルチラベルテキスト分類器の構築を可能にしています。広範な実験結果から、LSANは4つの異なるデータセットにおいて、最先端の手法を常に上回ることが示され、特に低頻度ラベルの予測性能において顕著な優位性を発揮しました。コードおよびハイパーパラメータの設定を公開することで、他の研究者の研究活動を支援します。