论文
TEAMMix：LLM 增强型弱监督分层文本分类的分类丰富增强和少数增强混合策略
TEAMMix: Taxonomy Enrichment Augmentation and Minority-augmented Mixing Strategy for LLM-enhanced Weak-Supervised Hierarchical Text Classification
摘要
层次文本分类（HTC）作为一项关键的文本挖掘任务，面临着复杂的标签层次结构和类别不平衡等挑战。由于冗长的提示和标签结构信息丢失等问题，基于 大语言模型 (LLM) 的现有方法很难有效地应用于此任务。为了解决这些限制，本文提出了一种弱监督 HTC 框架，通过基于 LLM 的数据增强来增强。该框架首先通过关键词生成和语料库挖掘在语义上丰富标签层次结构，从而增强模型对标签的理解。随后，它引导 LLM 生成伪样本以缓解长尾问题，并采用高斯混合模型进行基于置信度的重采样以优化生成数据的质量。实验结果表明，该方法有效提高了LLM生成的伪标签的可靠性，并显着增强了细粒度和不平衡数据集的分类性能。