周悦尧，奚雪峰，3+，崔志明，盛胜利，仇亚进

(1.苏州科技大学 电子与信息工程学院，江苏 苏州 215000；2.苏州市科技局 苏州市虚拟现实智能交互及应用重点实验室，江苏 苏州 215000；3.苏州科技大学 苏州智慧城市研究院，江苏 苏州 215000；4.德州理工大学 计算机学院，得克萨斯州 拉伯克市 79401)

0 引 言

文本分类是自然语言处理中的核心基础，广泛应用于情感分析[1]、意图识别[2]等典型任务。近年来，循环神经网络[3](recurrent neural network，RNN)、卷积神经网络[4](convolutional neural network，CNN)、层次注意力网络[5](hierarchical attention network，HAN)以及BERT[6]预训练模型都在文本分类任务上取得了十分优异的成绩，受到学界及工业界的重点关注。要训练一个性能良好的有监督分类模型，至少需要消耗数十万的高质量标注文档。然而这样的标注文档常常需要大量标注人员和文档专家的协同配合标注，时间和人力成本巨大。由此造成高质量标注数据的缺乏，是有监督分类模型难以大规模落地的重要原因。

为解决上述问题，研究者提出了弱监督文本分类方法。当用户无法提供大量标注文档时，也可以通过为分类模型提供少量种子词的方式训练模型达到应用要求。例如类别名称为Sports，用户给这个类别提供高度相关的种子词可以是basketball、football、athletes，从而模型基于这些种子词对属于Sports的文档进行分类。然而这种方法的局限性在于，相关种子词需要依赖对语料库非常熟悉的专家才能准确提供。

受此启发，为进一步解决标注数据稀缺问题，本文提出一种基于类名引导的弱监督文本分类(weakly supervised text classification based on class name guidance，CNG)方法。……