基于提示学习的突发事件新闻文本层次多标签分类方法研究

　　摘要：突发事件分类是开展突发事件应急响应的重要前提,决定了应急响应的速度和效果。为了有效解决突发事件新闻文本类别不平衡所导致的分类准确性问题,提出了一种基于提示学习的突发事件新闻文本层次多标签分类方法。在ERNIE预训练模型的基础上构建提示模板,利用掩码语言模型训练预测标签,并通过标签映射匹配已有的分类标签,以有效缓解突发事件领域标注数据少且不平衡所带来的问题。实验结果表明,该模型的准确率、宏F1分数分别达到了0.973 9、0.933 7,其性能优于ChineseBERT和PET等基线模型。