文献类型：期刊文章

作　　者：杨晓奇[1] 刘伍颖[2,3]

YANG Xiaoqi;LIU Wuying(School of Information Science and Technology,Guangdong University of Foreign Studies,Guangzhou Guangdong 510006,China;Shandong Key Laboratory of Language Resources Development and Application,Ludong University,Yantai Shandong 264025,China;Center for Linguistics and Applied Linguistics,Guangdong University of Foreign Studies,Guangzhou Guangdong 510420,China)

机构地区：[1]广东外语外贸大学信息科学与技术学院,广东广州510006 [2]鲁东大学山东省语言资源开发与应用重点实验室,山东烟台264025 [3]广东外语外贸大学外国语言学及应用语言学研究中心,广东广州510420

出　　处：《新疆大学学报（自然科学版）（中英文）》

基　　金：教育部人文社会科学研究规划基金“后深度学习时代低资源语言机器翻译理论与实践研究”(20YJAZH069),“自由贸易关键小语种语言资源建设理论与实践研究”(20YJC740062);上海市哲学社会科学规划基金“‘一带一路’关键小语种千万级语言资源建设及精准机器翻译研究”(2019BYY028).

年　　份：2024

卷　　号：41

期　　号：1

起止页码：69-77

语　　种：中文

收录情况：CAS、RCCSE、ZGKJHX、ZMATH、普通刊

摘　　要：在BertGCN模型的基础上改进其结构,同时结合文本特征和图结点混合增强的方法,使用新的边权重计算算法BM25+构造图的边.使用R8、R52、Ohsumed和MR这4个常用的公开数据集来验证所提方法的有效性.结果表明:与BertGCN模型及其它基线模型相比,该方法在4个文本分类数据集上的准确率评价指标均有不同程度的提升.

关 键 词：BM25+  文本特征增强  图结点增强  预训练模型  图卷积网络  文本分类

分 类 号：TP183]