基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对文本分类问题,提出新的基于知识增强的图卷积神经网络(KEGCN)分类模型.KEGCN模型在整个文本集上构建了一个包含单词节点、文档节点、外部实体节点的文本图,不同类型节点之间使用不同的相似性计算方法;在文本图构建完成后将其输入到2层图卷积网络中学习节点的表示并进行分类.KEGCN模型引入外部知识进行构图,捕获长距离不连续的全局语义信息,是第1个将知识信息引入图卷积网络进行分类任务的工作.在4个大规模真实数据集20NG、OHSUMED、R52、R8上进行文本分类实验,结果表明,KEGCN模型的分类准确率优于所有的基线模型.将知识信息融入图卷积神经网络有利于学习到更精准的文本表示,提高文本分类的准确率.
推荐文章
基于词义消歧的卷积神经网络文本分类模型
文本分类
卷积神经网络
长短时记忆网络
特征提取
自然语言处理
卷积神经网络CNN算法在文本分类上的应用研究
数据挖掘
机器学习
卷积神经网络
文本分类
基于事件卷积特征的新闻文本分类
文本分类
事件
卷积神经网络
自然语言处理
基于深度神经网络的中文新闻文本分类方法
深度神经网络
文本分类
中文新闻
自然语言处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于知识增强的图卷积神经网络的文本分类
来源期刊 浙江大学学报(工学版) 学科 工学
关键词 知识嵌入 图卷积网络 神经网络 文本分类 自然语言处理
年,卷(期) 2022,(2) 所属期刊栏目 计算机与控制工程|Computer and Control Engineering
研究方向 页码范围 322-328
页数 7页 分类号 TP391.1
字数 语种 中文
DOI 10.3785/j.issn.1008-973X.2022.02.013
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
知识嵌入
图卷积网络
神经网络
文本分类
自然语言处理
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导