基于图神经网络和依存句法分析的文本分类

文本分类被广泛应用于新闻分类、话题标记和情感分析等语言处理场景中，是自然语言处理中的一个基本而重要的任务。目前的文本分类模型一般没有同时考虑文本单词的共现关系和文本自身的句法特性，从而限制了文本分类的效果。因此，提出了一个基于图卷积神经网络的文本分类模型(Mix-GCN)。首先基于文本单词之间的共现关系和句法依存关系，将文本数据构建成文本共现图和句法依存图；接着，利用GCN模型对文本图和句法依赖图进行表示学习，得到单词的嵌入向量；然后通过图池化方法以及自适应融合的方法得到文本的嵌入向量；最后通过图分类方法完成文本分类。Mix-GCN模型同时考虑了文本中相邻单词之间的关系和文本单词之间存在的句法依存关系，提升了文本分类性能。在6个基准数据集上与8种知名文本分类方法进行了比较，实验结果表明Mix-GCN具有良好的文本分类效果。