结合双曲图注意力网络与标签信息的短文本分类方法

来源：计算机工程与应用杂志2024年第9期北京时间：

作者：宋建平, 王毅, 孙开伟, 刘期烈

单位：1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.重庆邮电大学 计算机科学与技术学院，重庆 400065

摘要：针对现有方法在文本分类任务中没有综合考虑文本的层级结构和标签对于文本特征学习的重要性而导致的鲁棒性不足、表达能力不足等问题，提出了一种基于双曲图注意力网络的短文本分类算法L-HGAT。利用文本的复杂层级结构与双曲空间的树相似性特征的契合性，将文本嵌入到具有负常数曲率的双曲空间中，充分利用双曲流行表征的强大表达能力。设计双曲图注意力网络，融合节点特征与边特征，增强对文本中关键局部信息的聚合能力。使用基于双曲空间中的测地线距离的标签文本交互函数进一步引导文本特征学习，以此提升文本分类精度。实验结果表明，与基准模型相比，所提方法在基准数据集上显著优于现有研究方法，能够有效地提升模型性能，更好地完成文本分类任务。

关键词：文本分类,图神经网络,双曲空间,深度学习,表示学习