融合语料库特征与图注意力网络的短文本分类方法

作者：杨世刚; 刘勇国

来源：计算机应用, 2021, 1-7.

• 短文本分类
• 图注意力网络
• 语料库特征
• 引力模型
• 点互信息

短文本分类是自然语言处理（NLP）的重要研究问题，广泛应用于新闻分类、情感分析、评论分析等领域。针对短文本分类中存在数据稀疏性问题，论文引入语料库的节点和边权值特征，基于图注意力网络（GAT），提出一个融合节点和边权值的图注意力网络（NE-GAT）。首先，针对每个语料库构建异构图，利用引力模型（GM）评估单词节点重要性，通过节点间点互信息（PMI）获得边权重；其次，为每个句子构建文本级别图，将节点重要性和边权重融入节点更新过程。仿真实验结果表明，所提算法在测试集上平均准确率达75.48%，优于Text-GCN、TL-GNN、Text-ING等模型;相比原始GAT，所提算法的平均准确率提升2.32个百分点，验证了所提模型的有效性。

• 单位
  电子科技大学