融合BiLSTM的雙圖神經(jīng)網(wǎng)絡(luò)文本分類模型

打開文本圖片集

摘要：采用圖神經(jīng)網(wǎng)絡(luò)模型為整個(gè)語(yǔ)料庫(kù)構(gòu)建異構(gòu)圖處理文本分類任務(wù)時(shí)，存在難以泛化到新樣本和詞序信息缺失的問題。針對(duì)上述問題，提出了一種融合雙圖特征和上下文語(yǔ)義信息的文本分類模型。首先，為每個(gè)文本獨(dú)立構(gòu)建共現(xiàn)圖和句法依存圖，從而實(shí)現(xiàn)對(duì)新樣本的歸納式學(xué)習(xí)，從雙圖角度捕獲文本特征，解決忽略單詞間依存關(guān)系的問題；其次，利用雙向長(zhǎng)短期記憶網(wǎng)絡(luò)（ bi-directional long short-term memory，BiLSTM）編碼文本，解決忽略詞序特征和難以捕捉上下文語(yǔ)義信息的問題；最后，融合雙圖特征，增強(qiáng)圖神經(jīng)網(wǎng)絡(luò)模型的分類性能。（剩余12928字）