第41卷第1期2024年1月新疆大学学报（自然科学版）（中英文）JournalofXinjiangUniversity(NaturalScienceEditioninChineseandEnglish)Vol.41,No.1Jan.,2024文本特征和图结点混合增强的图卷积网络文本分类∗杨晓奇1，刘伍颖2,3†(1.广东外语外贸大学信息科学与技术学院，广东广州510006；2.鲁东大学山东省语言资源开发与应用重点实验室，山东烟台264025；3.广东外语外贸大学外国语言学及应用语言学研究中心，广东广州510420)摘要：在BertGCN模型的基础上改进其结构，同时结合文本特征和图结点混合增强的方法，使用新的边权重计算算法BM25+构造图的边．使用R8、R52、Ohsumed和MR这4个常用的公开数据集来验证所提方法的有效性．结果表明：与BertGCN模型及其它基线模型相比，该方法在4个文本分类数据集上的准确率评价指标均有不同程度的提升．关键词：BM25+；文本特征增强；图结点增强；预训练模型；图卷积网络；文本分类DOI：10.13568/j.cnki.651094.651316.2023.07.05.0004中图分类号：TP183文献标识码：A文章编号：2096-7675(2024)01-0069-09引文格式：杨晓奇，刘伍颖．文本特征和图结点混合增强的图卷积网络文本分类[J]．新疆大学学报(自然科学版)(中英文)，2024，41(1)：69-77+109．英文引文格式：YANGXiaoqi，LIUWuying．Hybridaugmentationoftextfeatureandgraphnodeforgraphconvolutionalnetworkstextclassification[J]．JournalofXinjiangUniversity(NaturalScienceEditioninChineseandEnglish)，2024，41(1)：69-77+109．HybridAugmentationofTextFeatureandGraphNodeforGraphConvolutionalNetworksTextClassificationYANGXiaoqi1,LIUWuying2,3(1.SchoolofInformationScienceandTechnology,GuangdongUniversityofForeignStudies,GuangzhouGuangdong510006,China;2.ShandongKeyLaboratoryofLanguageResourcesDevelopmentandApplication,LudongUniversity,YantaiShandong264025,China;3.CenterforLinguisticsandAppliedLinguistics,GuangdongUniversityofForeignStudies,GuangzhouGuangdong510420,China)Abstract：TheworkwillimprovethestructureonthebasisoftheBertGCNmodel,notonlyusinganewalgorithmtoconstructtheedgesofthegraph,butalsocombiningahybridenhancementoftextfeaturesandgraphnodes.Themethodnotonlyhassomeoptimizationintheedgestructure,butalsomakesfulleruseoftheextendedsemanticinformationofthetextintheformoftext...
