基于双超图神经网络特征融合的文本分类

作     者：郑诚 李鹏飞 ZHENG Cheng;LI Pengfei

作者机构：安徽大学计算机科学与技术学院安徽合肥230601 计算智能与信号处理教育部重点实验室安徽合肥230601 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2025年第51卷第6期

页      面：127-135页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽省重点研究与开发计划项目(202004d07020009) 

主　　题：文本分类 超图 特征融合 SenticNet词库 自然语言处理 

摘      要：近年来,图神经网络(GNN)在文本分类任务中受到广泛应用。当前基于GNN的文本分类模型首先将文本建模为图,然后使用GNN对文本图进行特征传播与聚合,但是此类方法有两点不足:一是现有模型由于图结构的限制无法捕获单词之间的高阶语义关系;二是现有模型无法捕获文本中的关键语义信息。为了解决上述问题,提出一种基于双超图卷积网络特征融合的文本分类模型。一方面,使用原始文本建立文本超图;另一方面,为短文本引入外部知识,使用基于SenticNet词库的外部知识对文本进行语义增强,构建语义超图。经过超图卷积后通过注意力机制对双超图特征进行融合,实现短文本分类。在4个文本分类数据集上的实验结果表明,该模型优于基线模型,具有优越的文本分类性能。