<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>多标签分类 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E5%A4%9A%E6%A0%87%E7%AD%BE%E5%88%86%E7%B1%BB/</link>
    <description>Recent content in 多标签分类 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Wed, 24 Sep 2025 10:17:18 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E5%A4%9A%E6%A0%87%E7%AD%BE%E5%88%86%E7%B1%BB/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>基于Transformer的百万级文本分类技术解析</title>
      <link>https://blog.qife122.com/p/%E5%9F%BA%E4%BA%8Etransformer%E7%9A%84%E7%99%BE%E4%B8%87%E7%BA%A7%E6%96%87%E6%9C%AC%E5%88%86%E7%B1%BB%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Wed, 24 Sep 2025 10:17:18 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%9F%BA%E4%BA%8Etransformer%E7%9A%84%E7%99%BE%E4%B8%87%E7%BA%A7%E6%96%87%E6%9C%AC%E5%88%86%E7%B1%BB%E6%8A%80%E6%9C%AF%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h1 id=&#34;驯服transformer实现百万级类别的文本分类&#34;&gt;驯服Transformer：实现百万级类别的文本分类&lt;/h1&gt;&#xA;&lt;p&gt;文本分类是自然语言理解领域最基础的任务。例如，某智能助手的用户请求需要按领域分类（天气、音乐、智能家居等），许多自然语言处理应用依赖对单词进行词性分类的解析器。&lt;/p&gt;</description>
    </item>
    <item>
      <title>极端多标签分类技术新突破</title>
      <link>https://blog.qife122.com/p/%E6%9E%81%E7%AB%AF%E5%A4%9A%E6%A0%87%E7%AD%BE%E5%88%86%E7%B1%BB%E6%8A%80%E6%9C%AF%E6%96%B0%E7%AA%81%E7%A0%B4/</link>
      <pubDate>Sat, 20 Sep 2025 13:00:43 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E6%9E%81%E7%AB%AF%E5%A4%9A%E6%A0%87%E7%AD%BE%E5%88%86%E7%B1%BB%E6%8A%80%E6%9C%AF%E6%96%B0%E7%AA%81%E7%A0%B4/</guid>
      <description>&lt;h2 id=&#34;极端多标签分类的新进展&#34;&gt;极端多标签分类的新进展&lt;/h2&gt;&#xA;&lt;p&gt;在神经信息处理系统大会(NeurIPS)上发表的两篇论文探讨了将同一标签分配给多个类别的方法，以及基于Transformer模型的快速训练技术。&lt;/p&gt;</description>
    </item>
    <item>
      <title>大规模输出空间预测开源框架解析</title>
      <link>https://blog.qife122.com/p/%E5%A4%A7%E8%A7%84%E6%A8%A1%E8%BE%93%E5%87%BA%E7%A9%BA%E9%97%B4%E9%A2%84%E6%B5%8B%E5%BC%80%E6%BA%90%E6%A1%86%E6%9E%B6%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Fri, 12 Sep 2025 07:33:05 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E5%A4%A7%E8%A7%84%E6%A8%A1%E8%BE%93%E5%87%BA%E7%A9%BA%E9%97%B4%E9%A2%84%E6%B5%8B%E5%BC%80%E6%BA%90%E6%A1%86%E6%9E%B6%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;p&gt;在互联网时代，许多计算任务涉及从巨大的候选空间中寻找少量解决方案。例如问答系统可从全网提取答案，维基百科文章主题分类体系包含50万个分类项，而某中心商店的商品查询更涉及数百万潜在匹配项。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
