典型文献
基于图卷积网络的文本分割模型
文献摘要：
文本分割的主要任务是将文本按照主题相关的原则划分为若干个相对独立的文本块.针对现有文本分割模型提取文本段落结构信息、语义相关性及上下文交互等细粒度特征的不足,提出了一种基于图卷积网络(GCN)的文本分割模型TS-GCN.首先,基于文本段落的结构信息与语义逻辑构建出文本图;然后,引入语义相似性注意力来捕获文本段落节点间的细粒度相关性,并借助GCN实现文本段落节点高阶邻域间的信息传递,以此增强模型多粒度提取文本段落主题特征表达的能力.将所提模型与目前常用作文本分割任务基准的代表模型CATS及其基础模型TLT-TS进行对比.实验结果表明在Wikicities数据集上,TS-GCN在未增加任何辅助模块的情况下比TLT-TS的评价指标Pk值下降了0.08个百分点;在Wikielements数据集上,相较于CATS和TLT-TS,所提模型的Pk值分别下降了0.38个百分点和2.30个百分点,可见TLT-TS取得了较好的分割效果.
文献关键词：
文本分割;图卷积网络;注意力;自然语言处理;深度学习
中图分类号：
作者姓名：
杜雨奇;郑津;王杨;黄诚;李平
作者机构：
西南石油大学计算机科学学院,成都 610500
文献出处：
引用格式：
[1]杜雨奇;郑津;王杨;黄诚;李平-.基于图卷积网络的文本分割模型)[J].计算机应用,2022(12):3692-3699
A类：
相似性注意力,Wikicities,Wikielements
B类：
图卷积网络,文本分割,分割模型,主要任务,若干个,本段,结构信息,语义相关性,上下文交互,细粒度特征,GCN,逻辑构建,语义相似性,邻域,信息传递,增强模型,多粒度,段落主题,主题特征,特征表达,作文,CATS,基础模型,TLT,Pk,百分点,别下,分割效果,自然语言处理
AB值：
0.267646
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。
