基于LSTM/GCN的在线学习文本特征提取方法

• 作者: 温创斐 曾安 潘丹
• 来源期刊: 计算机科学与应用
• 学科: 教育
• 关键词: 特征提取 学习分析 图神经网络
• 年，卷（期）: 2021,（3）
• 页码范围: 770-781
• 页数: 12页
• 分类号: G63

摘要

传统方法对在线学习文本进行特征筛选往往费时费力且迁移性较差。针对这一问题,根据在线学习文本短,专业词汇多,文本间结构信息丰富等特点,提出基于LSTM/GCN对Doc2Vec所得文本向量中文本–文本关系进行强化的文本嵌入方法,以解决传统方法中文本在投影到嵌入空间后结构信息丢失的问题。并提出指标MeanRank用于量化文本向量中结构信息的留存情况。实验结果表明,方法在指标MeanRank和文本分类精度上优于传统方法。可视化结果表明,增加结构向量使得文本向量在课程内部具有一致连贯性,在课程间更有区分度。