基于注意力门控图神经网络的文本分类

摘要：

针对现有的文本分类工作在生成文本表示时通常忽略单词之间语义交互的问题,提出了一种新的基于注意力门控图神经网络的文本分类模型,有效地利用单词的语义特征并在充分语义交互的基础上提高了文本分类的准确率.首先,将每个输入文本转换为独立图结构数据并提取单词节点的语义特征;其次,利用注意力门控图神经网络对单词节点的语义特征进行交互和更新;然后,使用基于注意力机制的文本池化模块提取语义特征具有判别性的单词节点,以构建文本图表示;最后,基于文本图表示实现有效的文本分类.实验结果表明,所提方法在文本数据集Ohsumed,R8,R52和MR上的准确率分别达到了70.83％,98.18％,94.72％与 80.03％,优于现有的方法.

关键词：深度学习、文本分类、图神经网络、注意力机制

所属期刊栏目：49

分类号：TP183(自动化基础理论)

资助基金：科技创新新一代人工智能重大项目;装备预研教育部联合基金;山东省自然科学基金;青岛市科技计划项目

在线出版日期：2022-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：326-334