基于正则约束的分层仿射图神经网络文本分类模型

摘要：

文本分类是自然语言处理中一个重要的研究课题.近年来,图神经网络(graph neural network,GNN)在这一典型任务中取得了良好的效果.目前基于图结构的文本分类方法存在边噪声和节点噪声干扰、缺乏文本层次信息和位置信息等问题.为了解决这些问题,提出了一种基于正则约束的分层仿射图神经网络文本分类模型Text-HARC,该模型融合了图注意力网络(graph attention network,GAT)与门控图神经网络(gated graph neural network,GGNN),引入正则约束过滤节点与边噪声,分别使用仿射模块与相对位置编码补充词语表示.通过实验,该方法在TREC、SST1、SST2、R8 四个基准数据集上的准确率提升明显,消融实验结果也验证了该方法的有效性.

关键词：文本分类、图神经网络、信息融合、正则约束、分层仿射

所属期刊栏目：35

分类号：TN929

在线出版日期：2023-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：715-721