【论文标题】Label Confusion Learning to Enhance Text Classification Models

【作者团队】Biyang Guo , Songqiao Han *, Xiao Han *, Hailiang Huang†, Ting Lu*。上海财经大学 信息管理与工程学院 AI Lab，论文作者郭必扬有个公众号写得不错，推一下：SimpleAI。

【发表时间】2020/10

【推荐理由】本文发表在AAAI2021上，是研究LDL（Label Distribution Learning）问题的一个工作，目的是如何得到更好的标签分布。作者提出的LCM模型作为独立的插件可适用于任何模型，作者通过一个Label Encoder来学习label表示，得到一个标签之间的相似度，进一步利用这个相似度来调整原始的one-hot分布。在多个数据集上取得了不错的效果。

主要贡献在于： * 构造了一个插件——"Label Confusion Model(LCM)"，可以在模型训练的时候实时计算样本和标签间的关系，从而生成一个标签分布，作为训练的target，实验证明，这个新的target比one-hot标签更好； * 这个插件不需要任何外部的知识，也仅仅在训练的时候才需要，不会增加模型预测时的时间，不改变原模型的结构。所以LCM的应用范围很广； * 实验发现LCM还具有出色的抗噪性和抗干扰能力，对于有错标的数据集，或者标签间相似度很高的数据集，有更好的表现。

参考：https://www.zhihu.com/people/guo-bi-yang-78

内容中包含的图片若涉及版权问题，请及时与我们联系删除