基于知识增强的图卷积神经网络的文本分类

• 作者: 王婷 朱小飞 唐顾
• 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
• 页码范围: 322-328
• 页数: 7页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2022.02.013

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.