典型文献
基于知识增强的图卷积神经网络的文本分类
文献摘要：
针对文本分类问题,提出新的基于知识增强的图卷积神经网络(KEGCN)分类模型.KEGCN模型在整个文本集上构建了一个包含单词节点、文档节点、外部实体节点的文本图,不同类型节点之间使用不同的相似性计算方法;在文本图构建完成后将其输入到2层图卷积网络中学习节点的表示并进行分类.KEGCN模型引入外部知识进行构图,捕获长距离不连续的全局语义信息,是第1个将知识信息引入图卷积网络进行分类任务的工作.在4个大规模真实数据集20NG、OHSUMED、R52、R8上进行文本分类实验,结果表明,KEGCN模型的分类准确率优于所有的基线模型.将知识信息融入图卷积神经网络有利于学习到更精准的文本表示,提高文本分类的准确率.
文献关键词：
知识嵌入;图卷积网络;神经网络;文本分类;自然语言处理
中图分类号：
作者姓名：
王婷;朱小飞;唐顾
作者机构：
重庆理工大学 计算机科学与工程学院,重庆 400054
文献出处：
引用格式：
[1]王婷;朱小飞;唐顾-.基于知识增强的图卷积神经网络的文本分类)[J].浙江大学学报（工学版）,2022(02):322-328
A类：
KEGCN,20NG,OHSUMED
B类：
基于知识,知识增强,图卷积神经网络,文本分类,分类问题,分类模型,一个包,单词,文档,体节,相似性计算,图卷积网络,外部知识,构图,长距离,全局语义信息,分类任务,真实数据,R52,R8,分类准确率,基线模型,文本表示,知识嵌入,自然语言处理
AB值：
0.27601
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
