科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，图神经网络模型因其对非欧氏数据的建模和对全局依赖关系的捕获能力而广泛应用于文本分类任务。现有的基于图卷积网络的分类模型中的构图方法存在消耗内存过大、难以适应新文本等问题。此外，现有研究中用于描述图节点间的全局依赖关系的方法并不完全适用于分类任务。为解决上述问题，该文设计并提出了基于概率分布的文本分类网络模型，以语料库中的词和标签为节点构建标签-词异构关系图，利用词语在各标签上的概率分布描述节点间的全局依赖关系，并通过图卷积操作进行文本表示学习。在5个公开的文本分类数据集上的实验表明，该文提出的模型在有效缩减图尺寸的同时，相比于其他文本分类网络模型取得了较为先进的结果。
- 单位
