基于改进归纳式图卷积网络的文本分类方法

针对图嵌入式文本分类方法在预测性能和归纳能力方面的缺陷，在文本图卷积网络(TextGCN)的基础上，进行适当改进。结合预测文本嵌入(PTE)的高效训练和归纳性，在各个网络层中使用不同的图；通过异质图卷积网络架构来学习特征嵌入，利用习得的特征进行归纳推理。实验结果表明，在大量训练样本标注的情况下，所提方法取得了与其它方法相当或稍优的性能。在少量训练样本标注的情况下，所提方法表现更优，性能增益范围为2%～7%,支持更快的训练和泛化性。