本文提出一种基于深度学习的分类算法。该方法结合多标签注意力机制和图神经网络,精细提取文本特征并建模标签间关系,提升了尾部低频标签的识别能力。同时,通过非对称损失函数优化模型,缓解正负样本不均衡问题,显著提高了少量投诉类别的召回率。实验结果表明,本文方法在所有标签和尾部标签的宏观F1值上分别较传统方法提升3.1%和6.9%,在互联网金融投诉分类中具有较高的应用价值。

互联网金融；投诉文本；多标签分类；深度学习；图神经网络

[1]高军, 陈见飞, 杨世军, 王耀坤, 狄广义. 基于半监督协同训练的多标签文本分类模型[J]. 信息与电脑(理论版), 2023, 35 (22): 170-174. [2]张莉, 王颖, 赵阳, 崔涵翔, 刘娟. 基于分级信息融合模型的电力投诉工单分类研究[J]. 微型电脑应用, 2023, 39 (11): 87-90. [3]梁浩玮, 王石, 曹存根. 非完美多分类标签体系下的领域短文本分类方法研究[J]. 计算机科学, 2023, 50 (01): 185-193.

DOI： https://doi.org/10.62639/sspis13.20250203

Published： 2025