论文链接: Graph Convolutional Networks for Text Classification
Idea:
- 基于一个数据集内的共现词和文档构建一个文本异构图网络。
- 在文本图网络中,单词和文档向量初始化形式为one-hot,在文档已知类标签的监督下,联合学习单词和文档的向量化表示。
- 图网络能够有效的处理关系型(结构化)数据,可以以图的形式保留全局性结构化信息在图嵌入形式中。
Method
Graph Convolutional Networks (GCN)
GCN是一种直接操作在图上的多层神经网络,并根据节点的邻域属性来生成节点的嵌入式向量表达。在一个图中G=(V,E),V和E分别代表节点集合和边集合。在该模型中,假设每个节点都与其自己自连接,(v,v)∈ E。X ∈ Rn*m代表一个包含n个节点的矩阵,其每个节点特征向量的维度为m,节点v的原始特征向量为xv。邻域矩阵为A,由于假设节点都是自连接的,所以A的主对角线上的元素都为1。当GCN网络只有一层的时候,其只能捕获节点周围的直接邻域信息,换句话说当网络层数较多时能够捕获节点周围较大的邻域信息。例如,节点特征维度为k的节点特征矩阵L