基于最优传输理论和格兰杰因果关系检验的文本分类优化

来源：计算机应用与软件杂志2025年第6期北京时间：

作者：李静娟, 邢凯, 聂挺

摘要：随着深度学习及相关预测建模等在文本分类任务上取得较好表现，其模型泛化性要求与有限的数据规模之间的冲突愈发严峻。基于梯度下降的网络优化方法要求所做变换必须连续可微，且优化过程中容易因局部极小值。对此，提出一种基于格兰杰因果关系检验和最优传输理论的预测建模型性能优化方法。将随机化算法与数据驱动的概率分布算法结合，基于格兰杰因果关系检验在小样本数据集上生成有效特征。然后基于最优传输理论学习有效特征间结构化组合表征，进而兼容连续/非连续高维流形结构的传输映射造成的不稳定性。实验表明，对比直接使用BERT和TextGCN主流预测模型，在中英文数据集上准确率均有提升。

关键词：预测簇, 最优传输理论, 数据分布, 文本分类