Multi-label Classification

3 items

RESEARCHarXiv CS.CL·vor 21T

Retrieval-Based Multi-Label Legal Annotation: Extensible, Data-Efficient and Hallucination-Free

Der Artikel schlägt vor, die mehrfache juristische Annotation als Abrufaufgabe zu betrachten, wobei eingefrorene Modelle und k-nächste Nachbarn zur Zuweisung von Labels verwendet werden. Diese Methode erzielt eine wettbewerbsfähige Genauigkeit und eine hohe Dateneffizienz auf juristischen Datensätzen, wodurch die Rechenkosten im Vergleich zum Fine-Tuning großer Sprachmodelle erheblich gesenkt werden.

Multi-label Classification LLMs Legal AI Data efficiency

RESEARCHarXiv CS.CL·vor 8T

Knowledge Graph-Enhanced Zero-Shot Topic Classification: A Multi-Strategy Comparative Study

Dieses Papier stellt ein Zero-Shot-Multi-Label-Themenklassifizierungsframework vor und untersucht systematisch, wie die artikelbezogene Wissensgraphen-Erweiterung die Leistung beeinflusst. Die Autoren testen acht Methoden auf fünfzehn LLMs und acht Multi-Label-Datensätzen und stellen fest, dass die schlüsselwortgestützte Klassifizierung die beste Leistung im Basisframework erbringt.

Multi-label Classification LLMs Knowledge Graph Zero-Shot Topic Classification

RESEARCHDEV.to AI·5/10/2026

Learning Deep Latent Spaces for Multi-Label Classification

Diese Forschung untersucht Methoden zum Erlernen tiefer latenter Räume zur Verbesserung der Multi-Label-Klassifikation. Ziel ist es, Daten in einem aussagekräftigen, niedrigdimensionalen Raum für verbesserte Genauigkeit und Effizienz darzustellen.

Multi-label Classification deep learning learning machine learning