Biblioteca122.739 documentos en línea

Artículo

Multihop Neighbor Information Fusion Graph Convolutional Network for Text ClassificationRed convolucional gráfica de fusión de información de vecinos multisalto para la clasificación de textos

Resumen

La red convolucional de grafos (GCN) es una red eficaz para aprender representaciones grficas. Sin embargo, aprender las relaciones de interaccin de alto orden de los nodos vecinos resulta costoso. En este artculo, proponemos un nuevo modelo convolucional de grafos para aprender y fusionar relaciones de informacin entre vecinos de varios saltos. Adoptamos el mecanismo de reparto de pesos para disear convoluciones de grafos de distinto orden con el fin de evitar posibles problemas de sobreajuste. Adems, diseamos un nuevo operador de fusin de informacin de vecinos multisalto (MIF) que mezcla diferentes caractersticas de vecinos de 1 salto a -hops. Analizamos tericamente la complejidad computacional y el nmero de parmetros entrenables de nuestros modelos. Los experimentos con redes de texto demuestran que los modelos propuestos ofrecen un rendimiento superior al de las GCN de texto.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento