一种融合语义特征的图卷积文本分类方法

来源：计算机应用与软件杂志2024年第5期北京时间：

作者：黎文杰, 洪嘉伟, 魏艳辉, 左亚尧

摘要：随着文本分类领域相关研究的推进，基于深度学习的文本分类方法成为了该领域的重要研究方向之一。深度学习模型因其强大的特征提取能力，在文本分类任务上有着颇为优越的表现。但由于文本数据的高维性和自然语言的语义复杂性，现有的深度学习模型在复合语义信息的提取上仍有待进一步优化，其表现对文本分类效果产生不可忽视的影响。为此，该文提出一种基于LDA和GCN的文本分类模型LGCN。该模型利用LDA模型学习文档、单词和主题的关联信息，借助动窗口、PMI值计算等方式获取字符间的联系，采用TF-IDF得到单词和文档的联系，通过融合这些丰富的语义信息得到以节点形式构建的图，使用GCN模型学习图中语义信息并对图中文档节点进行分类从而完成文本分类任务。实验结果表明，在相同的数据集上，LGCN模型的文本分类效果优于LSTM等参照模型。

关键词：图卷积神经网络, 隐狄利克雷分布, 文本分类