-
题名融合语义和句法依存分析的图卷积新闻文本分类
- 1
-
-
作者
孙红
陆欣荣
徐广辉
黄雪阳
任丽博
-
机构
上海理工大学光电与计算机工程学院
上海第四人民医院脊柱外科
-
出处
《中文信息学报》
CSCD
北大核心
2023年第7期91-101,共11页
-
基金
上海市自然科学基金(21ZR1450200)。
-
文摘
图卷积神经网络GCN已经广泛应用于文本分类任务中,但GCN在文本分类时仅仅根据词语的共现关系来构建文本图,忽略了文本语言本身的规律关系,如语义关系与句法关系,并且GCN不善于提取文本上下文特征和序列特征。针对上述问题,该文提出了一种文本分类模型SEB-GCN,其在文本词共现图的基础上加入了句法文本图与语义文本图,再引入ERNIE和残差双层BiGRU网络来对文本特征进行更深入的学习,从而提高模型的分类效果。实验结果表明,该文提出的SEB-GCN模型在四个新闻数据集上,分类精确度对比其他模型分别提高4.77%、4.4%、4.8%、3.4%、3%,且分类收敛速度也明显快于其他模型。
-
关键词
文本分类
图卷积神经网络
语义文本图
句法文本图
残差
-
Keywords
text classification
graphconvolutional neural networks
semantic text graph
syntactic text graph
residuals
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
