首页> 中文期刊> 《计算机工程与应用》 >基于BTM图卷积网络的短文本分类方法

基于BTM图卷积网络的短文本分类方法

         

摘要

由于短文本长度较短,在分类时会面临数据稀疏和语义模糊等问题.提出新型图卷积网络BTM_GCN,该网络利用双项主题模型(Biterm Topic Model,BTM)在短文本数据集上训练出固定数量的文档级潜在主题,并作为一种节点嵌入到文本异构图中,再与异构图中的文档节点进行连接,最后利用图卷积网络来捕获文档、词与主题节点之间的高阶邻域信息,从而丰富文档节点的语义信息,缓解短文本语义模糊的问题.在三个英文短文本数据集上的实验结果表明,该方法相比基准模型具有较优的分类效果.

著录项

  • 来源
    《计算机工程与应用》 |2021年第4期|155-160|共6页
  • 作者

    郑诚; 董春阳; 黄夏炎;

  • 作者单位

    安徽大学 计算机科学与技术学院 合肥 230601;

    计算智能与信号处理教育部重点实验室 合肥 230601;

    安徽大学 计算机科学与技术学院 合肥 230601;

    计算智能与信号处理教育部重点实验室 合肥 230601;

    安徽大学 计算机科学与技术学院 合肥 230601;

    计算智能与信号处理教育部重点实验室 合肥 230601;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 文字信息处理;
  • 关键词

    短文本分类; 图卷积网络; BTM主题模型;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号