融合注意力机制的门控图神经网络文本分类算法
马明旭
苏凡军
佟国香
上海理工大学光电信息与计算机工程学院 上海 200093
摘要：利用图神经网络进行文本分类,处理包含文本和单词的异构图时,存在文本-单词、单词-单词之间的细粒度交互不足问题.为解决该问题,论文提出了一种融合注意力机制的门控图神经网络文本分类算法(Text classification algo-rithm based on gated graph neural network integrating attention mechanism,GGNN-AM).算法使用注意力机制,结合门控循环单元,提取单词的邻域重要信息,增强单词-单词的交互关系.将卷积核作为特征编码器,编码单个单词和多个单词的局部信息,提取重要特征和一般特征表示文本,增强文本-单词的细粒度交互.实验结果表明,与多种文本分类算法相比,GGNN-AM在三个英文基准数据集上取得了更好的效果.
关键词：文本分类注意力机制门控图神经网络门控机制自然语言处理
分类号：TP391(计算技术、计算机技术)
资助基金：国家重点研发计划(2018YFB1700902)
论文发表日期：2023-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1750-1755 )
英文信息