【AAAI2020-清华大学】张量图卷积网络文本分类，Tensor Graph Convolutional Networks for Text Classification

题目： Tensor Graph Convolutional Networks for Text Classification

摘要： 文本分类是自然语言处理中一个重要而经典的问题。已有许多研究将卷积神经网络（如规则网格上的卷积，序列）应用于分类。然而，只有有限数量的研究已经探索了更灵活的图卷积神经网络（卷积在非网格上，例如，任意图）的任务。在这项工作中，我们建议使用图卷积网络进行文本分类。基于词的共现关系和文档词之间的关系，我们为一个语料库建立一个文本图，然后学习一个文本图卷积网络（text GCN）。我们的文本GCN使用word和document的一个热表示进行初始化，然后在已知文档类标签的监督下，共同学习word和document的嵌入。我们在多个基准数据集上的实验结果表明，没有任何外部单词嵌入或知识的普通文本GCN优于最新的文本分类方法。另一方面，文本GCN还学习预测词和文档嵌入。此外，实验结果表明，随着训练数据百分比的降低，文本GCN相对于现有比较方法的改进变得更加突出，这表明文本GCN对文本分类中较少的训练数据具有鲁棒性。