一种基于图神经网络的化工制备领域长文本分类方法
基本信息
| 申请号 | CN202111567698.1 | 申请日 | - |
| 公开（公告）号 | CN114218389A | 公开（公告）日 | 2022-03-22 |
| 申请公布号 | CN114218389A | 申请公布日 | 2022-03-22 |
| 分类号 | G06F16/35（2019.01）I;G06F16/36（2019.01）I;G06F40/216（2020.01）I;G06F40/242（2020.01）I;G06F40/253（2020.01）I;G06F40/289（2020.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 周焕来;张博阳;陈璐;唐小龙;高源;孙靖哲;贾海涛;王俊 | 申请（专利权）人 | 一拓通信集团股份有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 210000江苏省南京市江苏省自贸区南京片区浦滨路320号科创一号大厦B座701室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提出了一种基于图神经网络的化工制备领域长文本分类方法，该方法包括：首先，融合词语统计特征和词向量特征，将多维特征作为RNN+CRF模型输入，提取化工制备领域文本新词，构建分词词典；然后，将全部文档、分词（包括训练数据、预测数据）作为节点初始化，构建全局语法、顺序张量图；下来，通过图消息传递机制，进行图上（节点、边、全局信息）、图间信息迭代，更新特征表示；接着，将语法、顺序张量图降维融合得到全局语义图；最后，将全局语义图作为输入，通过图卷积网络训练获取信息表征，接入softmax层分类，输出待预测文档节点的类别信息，得到最终预测结果。 |
