计算机工程

作者：郑诚, 李鹏飞

单位：1. 安徽大学计算机科学与技术学院, 安徽 合肥 2306012. 计算智能与信号处理教育部重点实验室, 安徽 合肥 230601

关键词：文本分类,超图,特征融合,SenticNet词库,自然语言处理

基金：安徽省重点研究与开发计划项目(202004d07020009)

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。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期