我院教师发表题为“基于弱化图卷积网络的文本分类研究”的论文

自然语言处理（Natural Language Processing，NLP）是计算机科学、人工智能和语言学交叉的领域，关注计算机与人类（自然）语言之间的相互作用。文本分类是自然语言处理中的一项基本任务，广泛应用于信息检索、情感分析、垃圾邮件过滤等多个领域。随着互联网技术的快速发展，文本分类在现实生活中的重要性日益增加。因此，对文本分类的研究具有重要的实际意义。

近日，bat365中文官方网站黄玉娇，陈铭凯，郑媛等人在计算机科学期刊（2023）上发表题为”基于弱化图卷积网络的文本分类研究“的学术论文

该论文提出了提出一种弱化结构方法，替换了Text-GCN模型中的Dropout操作,将原本被Dropout直接丢弃的神经元改进为对这些神经元的弱化，这一改进不仅在一定程度上保留了Dropout防止过拟合的特性，而且还使模型提取到原来被丢弃部分神经元的特征,并且设置了弱化权重，通过调整弱化权重的大小，来准确控制弱化结构对于被选中神经元的弱化力度大小，由此提出了提出了名为弱化图卷积网络(Weaken Graph Convolutional Network, W-GCN)的文本分类模型。经实验检验，该模型在R8和R52数据集上，分别达到了97.45%和94.18%的分类准确率，相较于原始的Text-GCN模型，分别提高了0.38%和0.62%，具体模型结构如下。

   该工作得到了国家自然科学基金、浙江省自然科学基金支持。