BWIN必赢院讯(通讯员:包新月)近日,人工智能领域国际旗舰级学术会议International conference on Knowledge Science, Engineering and Management(KSEM)接收我院学术论文(Xinyue Bao, Zili Zhou, Shiliang Gao , Zhaoan Dong and Yuanyuan Lin. MDGAT: Multi-Display Graph Attention Network for Text Classification, 2023)。该论文以BWIN必赢为第一完成单位,2021级研究生包新月为论文第一作者,周子力副教授为论文通讯作者。KSEM是中国计算机学会(CCF)推荐的C类国际学术会议。
文本分类任务的重点主要在于文本特征提取部分,因此文本信息的充分提取是文本分类任务的关键步骤。然而,目前在文本分类上信息并没有得到充分利用。因此,充分地文本信息表示和学习是一个是一个极其重要的话题。在研究中,提出了一种新的基于多显示图注意力网络(MDGAT)模型,拟解决文本信息捕获不充分以及单词之间高阶交互等问题。MDGAT包括三个主要组件多显示图的构建、图级表示学习、归纳文本分类。首先,构建了多种显示图,从语法、语义、句法、主题等多个角度充分提取文本中的信息。其次,为有效地聚合图结构信息,提出多步聚合方法分别针对节点内部的重要程度、节点之间的相关度进行信息聚合。同时使用门控循环单元聚合上下文信息,有效地实现图结构到序列结构的转换,维护文本的顺序结构。此外,针对于各种基准数据集,大量的实验结果证明了本方法的优越性能。本次研究在5个基准数据上与其他模型进行对比实验,结果表明MDGAT模型在文本分类任务上的卓越性能。