用于文本分类的张量图卷积网络
计算与语言
2020-02-27 v1 信息检索
机器学习
摘要
与序列学习模型相比，基于图的神经网络展现出若干优异特性，如捕获全局信息的能力。本文中，我们研究基于图的神经网络用于文本分类问题。为此任务提出一新框架 TensorGCN（张量图卷积网络）。首先构建文本图张量以描述语义、句法与序列上下文信息。随后，在文本图张量上执行两类传播学习。其一是图内传播，用于聚合单一图中邻域节点的信息。其二是图间传播，用于协调图之间的异构信息。在基准数据集上进行了充分实验，结果说明了我们所提框架的有效性。我们提出的 TensorGCN 提供了一种协调与集成来自不同图异构信息的有效途径。
引用
@article{arxiv.2001.05313,
title = {Tensor Graph Convolutional Networks for Text Classification},
author = {Xien Liu and Xinxin You and Xiao Zhang and Ji Wu and Ping Lv},
journal= {arXiv preprint arXiv:2001.05313},
year = {2020}
}
备注
8 pages, 4 figures