典型文献
融合语料库特征与图注意力网络的短文本分类方法
文献摘要：
短文本分类是自然语言处理(NLP)中的重要研究问题,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的数据稀疏性问题,通过引入语料库的节点和边权值特征,基于图注意力网络(GAT),提出了一个融合节点和边权值特征的图注意力网络NE-GAT.首先,针对每个语料库构建异构图,利用引力模型(GM)评估单词节点的重要性,并通过节点间的点互信息(PMI)获得边权重;其次,为每个句子构建文本级别图,并将节点重要性和边权重融入节点更新过程.实验结果表明,所提模型在测试集上的平均准确率达到了75.48％,优于用于文本分类的图卷积网络(Text-GCN)、TL-GNN、Text-ING等模型;相较原始GAT,所提模型的平均准确率提升了2.32个百分点,验证了其有效性.
文献关键词：
短文本分类;图注意力网络;语料库特征;引力模型;点互信息
中图分类号：
作者姓名：
杨世刚;刘勇国
作者机构：
电子科技大学信息与软件工程学院,成都610054
文献出处：
引用格式：
[1]杨世刚;刘勇国-.融合语料库特征与图注意力网络的短文本分类方法)[J].计算机应用,2022(05):1324-1329
A类：
语料库特征
B类：
合语,图注意力网络,短文本分类,文本分类方法,自然语言处理,NLP,研究问题,情感分析,评论分析,数据稀疏性,权值,GAT,NE,语料库构建,异构图,引力模型,GM,估单,单词,过节,点互信息,PMI,边权重,句子,建文,本级,节点重要性,更新过程,测试集,平均准确率,图卷积网络,Text,GCN,TL,GNN,ING,准确率提升,百分点
AB值：
0.324463
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。
