结合GCN和注意力机制的文本分类方法研究

摘要：

针对传统文本分类方法中需要手动提取特征和分类进而导致分类准确率不高的问题,提出一种结合图卷积神经网络和注意力机制的文本分类方法.方法首先建立整个语料库的大型文本图,然后将文本图的邻接矩阵和特征矩阵输入到图卷积神经网络中,最后网络输出与注意力机制相结合,利用注意力机制中Self-Attention机制的Query矩阵,Key矩阵和Value矩阵计算Attention值,充分学习文本表示,不断调整网络的输出,最终提高文本分类的准确率.在数据集上的仿真结果表明,所提出的方法与传统文本分类方法相比,其准确率较高.

关键词：文本分类;图卷积神经网络;注意力机制

所属期刊栏目：38

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;河北省高等学校科学技术重点研究基金项目;河北省自然科学基金资助项目;河北省教育厅在读研究生创新能力培养资助项目

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：415-419