基于Bi-LSTM和图注意力网络的多标签文本分类算法

针对当前大多数分类算法忽略标签之间相关性的问题，提出一种基于双向长短时记忆(Bi-LSTM)网络和图注意力网络(Graph Attention Network, GAT)的多标签文本分类算法。使用词嵌入工具对文本序列和标签中的词向量进行预处理后的文本序列和标签分别输入到Bi-LSTM网络和GAT网络中；提取文本序列的上下文信息和全局特征，以及GAT网络捕获标签之间的相关性；将特征向量和标签相关性进行组合对标签文本分类任务进行预测。实验结果表明，所提算法通过有效关注标签之间的相关性使得文本分类任务的精度得以明显提高，在多个评估指标的测试结果优于其他对比方法。