基于文本图神经网络的小样本文本分类技术研究

摘要

为了解决文本图神经网络小样本文本分类精度较差的问题，设计了基于文本图神经网络的原型网络，采用预训练语言模型，利用文本级图神经网络为每个输入文本构建图并共享全局参数，将文本图神经网络的结果作为原型网络的输入，对未标注文本进行分类，并验证新模型在多个文本分类数据集上的有效性。实验结果表明，与需要大量标注文档的监督学习方法相比，所采用的方法未标注文本的分类精度提高了1%～3%,在多个文本分类数据集上验证了新模型性能先进，内存占用更少。研究结果可为解决小样本文本分类问题提供参考。

关键词

自然语言处理 / 小样本文本分类 / 预训练模型 / 图神经网络 / 原型网络

基金资助

河北省智能化信息感知与处理重点实验室发展基金(SXX22138X002); LZH联合QB数据融合与共享服务项目