基于判别性词图的图神经网络
机器学习
2024-10-29 v1 计算与语言
摘要
鉴于图神经网络（GNN）的最新成功及其在复杂数据结构上执行推理的能力，许多研究将 GNN 应用于文本分类任务。在以往的大多数方法中，使用整个语料库构建包含词节点和文档节点的异构图，并使用 GNN 对文档节点进行分类。在这项工作中，我们探索了一种新的判别性词图图神经网络（DGoW-GNN）方法，该方法包含一种新颖的判别性图构建和模型来对文本进行分类。在我们的图构建中，仅包含词节点而不包含文档节点，我们根据标签将训练语料库拆分为不相连的子图，并通过所表示词的点互信息对边进行加权。我们为这种图构建提供了理论动机，它使我们能够将文本分类任务重新表述为游走分类任务。我们还提出了一种新的基于图的文本分类模型，该模型结合了 GNN 和序列模型。我们在七个基准数据集上评估了我们的方法，发现其表现不如几种最先进的基线模型。我们分析了这种性能差异的原因，并假设了其可能发生改变的条件。
引用
@article{arxiv.2410.20469,
title = {Graph Neural Networks on Discriminative Graphs of Words},
author = {Yassine Abbahaddou and Johannes F. Lutzeyer and Michalis Vazirgiannis},
journal= {arXiv preprint arXiv:2410.20469},
year = {2024}
}