一种基于图模型的深度学习多标签文本分类方法

摘要

本发明提供了一种基于图模型的深度学习多标签文本分类方法，本发明分析了现有的CNN网络和RNN网络在文本信息提取上的弱点，以及多标签文本分类任务中使用标签信息的不足，提出了一种基于图模型的深度学习多标签文本分类方法。该方法借助图结构的灵活性，构造文本、单词和标签的异构图，通过GCN网络学习相关表示，为了有效利用标签信息，利用注意力机制将文本中的单词特征和标签特征进行融合，学习与标签相关的文本特征，最终通过注意力机制将与标签相关的文本特征和图中学习到的文本特征进行融合，作为模型最终提取的文本特征。通过对比实验，发现该方法在多标签文本分类的多个指标上有所提升。