基于语义依存分析的图网络文本分类模型

• 作者: 刘璟 姚绍文 栾桂凯 范国凤
• 来源期刊: 计算机应用研究
• 关键词: 语义依存分析 词嵌入 语义图网络块 文本分类
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3594-3598
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.08.0522

摘要

针对目前已有的文本分类方法未考虑文本内部词之间的语义依存信息而需要大量训练数据的问题,提出基于语义依存分析的图网络文本分类模型TextSGN.首先对文本进行语义依存分析,对语义依存关系图中的节点(单个词)和边(依存关系)进行词嵌入和one-hot编码;在此基础上,为了对语义依存关系进行快速挖掘,提出一个SGN网络块,通过从结构层面定义信息传递的方式来对图中的节点和边进行更新,从而快速地挖掘语义依存信息,使得网络更快地收敛.在多组公开数据集上训练分类模型并进行分类测试,结果表明,TextSGN模型在短文本分类上的准确率达到95.2％,较次优分类法效果提升了3.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚绍文		44	299	10.0	15.0
2	刘璟		5	1	1.0	1.0
3	范国凤		1	0	0.0	0.0
4	栾桂凯		2	4	1.0	2.0