GCN-PU:基于图卷积网络的PU文本分类算法

• 作者: 姚佳奇 徐正国 燕继坤 王科人
• 来源期刊: 计算机工程与应用
• 关键词: 卷积神经网络 图卷积网络 损失权重 PU文本分类
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 162-167
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2003-0195

摘要

针对PU(Positive and Unlabeled)文本分类问题,提出了一种基于图卷积网络的PU文本分类算法(GCN-PU),基本思想是给未标注样本加以不同的损失权重.将未标注样本全部视为负类样本,用以训练基于卷积神经网络的文本分类器;取卷积神经网络的倒数第二层的向量为文本的特征向量,以及对应的类别概率,作为图卷积网络的输入;利用图卷积网络得出的类别概率计算每个未标注样本的损失权重,重新训练文本分类器.不断重复上述三个步骤,直到算法参数稳定.在公开数据集20newsgroup上的实验结果表明,GCN-PU算法优于现有的方法,尤其在正类样本较少的情况下.