基于图卷积神经网络的文本分类方法研究综述

摘要：

文本分类是自然语言处理领域中常见的任务,机器学习和深度学习在该任务中已有较多研究并取得了很大进展,然而,这些传统方法只能处理欧氏空间的数据,不能完全有效地表达出文本的语义信息.为了打破传统的学习模式,诸多研究开始尝试用图表示文本中各实体间的丰富关系,并利用图卷积神经网络学习文本表示.文中对基于图卷积神经网络的文本分类方法进行了综述,首先概述了图卷积神经网络的背景与原理;其次,利用不同类型的图网络详细阐述了基于图卷积神经网络的文本分类方法,同时分析了图卷积神经网络在网络深度上的局限性,并介绍了深层网络在文本分类任务上的最新进展;最后,通过实验比较了各模型的分类性能,并探讨了该领域的难点与未来的发展方向.

关键词：文本分类、图卷积神经网络、图注意力网络、过平滑、非欧空间

所属期刊栏目：49

分类号：TP391.1(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

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：205-216