Yapay zeka alanında önemli bir ilerleme kaydeden araştırmacılar, metin sınıflandırmasında devrim niteliğinde bir yöntem geliştirdi. SCHK-HTC (Sibling Contrastive Learning with Hierarchical Knowledge-aware Prompt Tuning) adı verilen bu sistem, sınırlı veriyle çalışırken bile karmaşık hiyerarşik yapılardaki metinleri başarıyla kategorize edebiliyor.
Geleneksel hiyerarşik metin sınıflandırma sistemlerinin en büyük sorunu, aynı seviyedeki benzer kategorileri birbirinden ayırt etmekte zorlanmasıydı. Örneğin, spor kategorisi altında futbol ve basketbolu, ya da teknoloji kategorisi altında yapay zeka ve makine öğrenmesini birbirinden ayırmak oldukça challengeıydı, özellikle de eğitim verisi kısıtlı olduğunda.
Yeni geliştirilen sistem, bu soruna iki yenilikçi yaklaşımla çözüm getiriyor. İlk olarak, hiyerarşik bilgi çıkarma modülü sayesinde kategoriler arası ilişkileri daha iyi anlıyor. İkinci olarak, kardeş kategoriler arası karşıtlık öğrenmesi mekanizması ile benzer kavramlar arasındaki ince ayrımları tespit edebiliyor.
Bu gelişme, özellikle veri kıtlığı yaşanan alanlarda doğal dil işleme uygulamalarının performansını önemli ölçüde artıracak. Araştırmanın sonuçları, az sayıda örnekle eğitilen sistemlerin bile yüksek doğrulukla metin sınıflandırması yapabileceğini gösteriyor.