GCN图卷积神经网络 text_gcn 文本分类论文的源码，逐行注释版，光看代码注释就能学一篇论文。

最新推荐文章于 2024-05-08 16:27:21 发布
最新推荐文章于 2024-05-08 16:27:21 发布
阅读量1.9k 收藏 15
点赞数 15
分类专栏： nlp 人工智能 GNN 文章标签： 分类 人工智能 gcn 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42458992/article/details/122220287
版权
nlp 同时被 3 个专栏收录
3 篇文章 0 订阅
订阅专栏
人工智能
3 篇文章 0 订阅
订阅专栏
GNN
1 篇文章 0 订阅
订阅专栏

《Graph Convolutional Networks for Text Classification》
在这里插入图片描述
         这篇论文中的源码，我看过以后，为了以后还能看懂代码，就逐行写了注释，说是逐行也有点夸张了，就像变量赋值之类，创建对象这种属于python基本语法，特别简单的就没有写注释。难以理解的地方，还结合了原论文和我本人的个人理解。在这里分享出来，相信能帮助到大家。

         随便截几处的代码看一下吧。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
想要的小伙伴请 点赞 哦。

百度网盘链接自己下载：
链接：https://pan.baidu.com/s/1F9JO3VU3JKykiqv16Ev7EQ
提取码：dkf6

这是github上的源码，是纯净版的，论文中给出的，也就是不含注释的，这里给出，其实不用下载。
https://github.com/yao8839836/text_gcn

小奶狗先生
关注
  • 15
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
TextGCN 代码阅读注释
Talk Is Cheap
12-24 3705
build_graph.py import os import random import numpy as np import pickle as pkl import networkx as nx import scipy.sparse as sp from utils import loadWord2Vec, clean_str from math import log from sklea...
Text GCN
Garee的博客
07-28 1372
论文网址：https://arxiv.org/abs/1809.05679 介绍 关于文本分类，我们之前学了CNN。CNN会优先考虑文本的顺序信息和局部信息，能够很好的捕获连续词序列中的语义和语法信息，但是它忽略了全局的词共现，词共现中携带了不连续以及长距离的语义信息。作者提出了一种新颖的图神经网络文本分类方法。将整个语料库建模为异构图并通过图神经网络共同学习单词和文档嵌入的研究。作者的方法无需使用预训练的单词嵌入或外部知识。 还可以自动学习预测词和文档嵌入。 文中提出了一种新的基于图神经网络的文本分类方法
【论文翻译 | AAAI2019】TextGCN - Graph Convolutional Networks for Text Classification
qq_36291847的博客
04-04 1404
Graph Convolutional Networks for Text Classification 文章目录摘要1 引言2 相关工作3 方法4 实验5 结论与未来工作二级目录三级目录 摘要 文本分类是自然语言处理中的一个重要的经典问题。已有许多研究将卷积神经网络(在规则网格上的卷积，如序列)应用于分类。然而，只有为数不多的研究探索了更为灵活的图卷积神经网络(非网格上的卷积，如任意图)来完成这项任务。在这项工作中，我们建议使用图卷积网络进行文本分类。基于词的共现和文档词的关系，为语料库构建单一的文本图，
TextCNN的复现
qq_45689158的博客
01-29 679
len是必须要继承实现的方法，clean_sentence是对读取的数据进行清洗，load_data_and_label是加载数据且返回清洗过后的数据以及数据标签。pre_process是对数据进行编码，原始的数据是英文数据，因此需要对其进行分词、编码，最后返回的数据将是数字，一行数据就是一句评论。接下来是word2vec模型的训练及保存，出于简便性，训练word2vec模型时候直接使用了该数据集对word2vec模型进行训练。接下来主要是对代码内容的详解，完整代码将在文章末尾给出。
【DL笔记】TextGCN在文本分类中作弊了？Bag-of-Words vs. Graph vs. Sequence in Text Classification论文笔记
最新发布
Hansdas的博客
05-08 874
标题有点标题党了，就是有关ACL2022一篇论文的一些笔记，按自己的理解写的，比较粗糙，细节建议阅读原文，有错误欢迎指出。
文本分类论文及pytorch版复现（四）：TextGCN
qq_28969139的博客
03-30 3963
Graph Convolutional Networks for Text Classification 一、模型 图示： 图的定义： 二、代码 import torch import numpy as np import torch.nn.functional as F from torch import nn, tensor from textgcn.config i...
text_gcn：用于文本分类的图卷积网络。 AAAI 2019
02-03
text_gcn 本文中Text GCN的实现： 梁耀，毛成胜，罗源。 “图卷积网络用于文本分类。” 在第33届AAAI人工智能会议（AAAI-19）中 要求 Python 2.7或3.6 Tensorflow> = 1.4.0 再现结果 运行python remove_words.py 20ng 运行python build_graph.py 20ng 运行python train.py 20ng 在为其他数据集生成结果时，将上述3个命令行中的20ng更改为R8 ， R52 ， ohsumed和mr 。 输入数据示例 /data/20ng.txt表示文档名称，培训/测试组，文档标签。 每行都是一个文档。 /data/corpus/20ng.txt包含每个文档的原始文本，每行对应/data/20ng.txt的相应行 prepare_data.py是准备自己的数据的示例，请注意，文档或句子中的“ \ n”已删除。 归纳版 文本GCN的归纳版本是 ，其中培训过程中未包括测试文档。
GNN在文本分类上的应用 | (1) TextGCN
热门推荐
sdu_hao的博客
02-06 1万+
原文下载链接 开源实现(PyTorch)(基于Github上，TextGCN的PyTorch实现版本，额外添加了一些详细的注释；官方实现基于TF) 本篇博客是对论文《Graph Convolutional Networks for Text Classification》的阅读笔记。 目录 1. 简介 2. 方法 3. 结论分析 1. 简介 文本分类是自然语言处理中一个常见的基础...
基于tensorflow2.0实现图卷积神经网络GCN.zip
08-22
图卷积神经网络(GCN)理解与 tensorflow2.0 代码实现 图(Graph)，一般用 G = ( V , E ) G=(V,E)G=(V,E) 表示，这里的V VV是图中节点的集合，E EE 为边的集合，节点的个数用N NN表示。在一个图中，有三个比较重要的...
gcn-master.zip_GCN_farmern8b_gcn算法_python 图_图神经网络
07-15
图卷积神经网络（Graph Convolutional Network, GCN）是一种在图结构数据上进行深度学习的方法，由Kipf和Welling在2016年提出。GCN的出现，使得传统神经网络模型能够处理非欧几里得数据，如社交网络、化学分子结构、...
基于Python实现GCN图神经网络（源码）.rar
05-15
1、资源内容：基于Python实现GCN图神经网络（源码）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、解压说明：本资源需要电脑端使用WinRAR...
PyTextGCN:TextGCN的另一种重新实现，这次是使用Cython和PyTorch-geometric
03-15
PyTextGCN 对TextGCN的重新实现。 此实现使用Cython进行文本到图形的转换，因此速度相当快。 图形和GCN基于库。 要求 该项目的构建具有： 的Python 3.8.5 Cython 0.29.21 CUDA 10.2（GPU支持可选） scikit学习0.23.2 pytorch 1.7.0 火炬几何1.6.3 海湾合作委员会9.3.0 nltk 3.5 scipy 1.5.2 至少Text2Graph模块也应该与这些库的其他版本一起使用。 安装 cython编译可以从项目的根目录执行： cd textgcn/lib/clib && python setup.py build_ext --inplace 用法 要从称为X的字符串列表（每个字符串包含一个文档的文本）中计算出图形，请创建名为y的标签列表以及测试索引test_idx的列表，只需运行：
GCN-NAS:AAAI2020“用于通过神经搜索进行基于骨骼的人体动作识别的学习图卷积网络”的源代码
03-08
GCN-NAS PyTorch源代码，“”，AAAI2020要求python包pytorch = 0.4.1 火炬视觉> = 0.2.1资料准备从和下载原始数据。 并预处理数据。 用预处理数据python data_gen/ntu_gendata.py python data_gen/kinetics-gendata....
深度学习-paddle飞桨-图卷积神经网络-手写数字数据集实例-数据导入+注释
02-19
paddlepaddle框架下的入门级深度学习神经网络，图卷积神经网络gcn实现代码， 包含官方版本和自己补充的读取自己导入数据集方法的个人版本。 如果你还在为不知道如何开始自己人生中的第一个深度学习模型，这将是你...
论文解读：Graph Convolutional Networks for Text Classifification
夏栀的博客
08-06 1571
论文解读：Graph Convolutional Networks for Text Classifification   先前的文本分类方法是基于CNN或RNN进行的，只能单独的对文本自身的上下文进行语义提取，而不能够对文本之间的相关信息进行表示。随着图结构在NLP领域的大放光彩，将图引入文本分类是新的思路。 一、简要信息 序号 属性 值 1 模型名称 Text-GCN 2 所属领域 自然语言处理 3 研究内容 文本分类 4 核心内容 Text Classification,
GAT代码更换Text_gcn数据集实验记录
xulijun_811的博客
04-29 1925
我选的是gcn里R52数据集，由于数据量太大，笔记本内存有限，所以需要删一些数据让数据变小，主要是想看到完整的实验过程。首先，找到原始文档也就是gcn里面的corpus下R52数据集，这里面都是文档一行是一条数据，我保留了60条，然后更改data下的R52.text,这里面数据也是保留60条，但是要注意里面有test和train两种数据，我train保留了50条，test是10条，如果不注意把te...
图网络模型 GCN-＞GAT
weixin_36378508的博客
03-20 1375
ZGCN0)W1【两层的GCN Layer】
文本分类论文及pytorch版复现（五）：TextLevelGNN
qq_28969139的博客
03-30 1447
Text Level Graph Neural Network for Text Classification 一、模型 图示： 定义： 消息传递机制： 分类器： 损失函数： 二、代码 from torch import nn, tensor import torch.nn.functional as F import numpy as np import tor...
TextCNN：文本分类卷积神经网络
lymake的博客
02-22 3457
TextCNN 来源于发表于2014年，是一个经典的模型，Yoon Kim将卷积神经网络CNN应用到文本分类任务，利用多个不同size的kernel来提取句子中的关键信息（类似统计语言模型的N-Gram），从而能够更好地捕捉局部相关性。TextCNN的核心思想是将卷积神经网络 (CNN) 应用到文本分类中，从而提取文本特征。本文将逐步对TextCNN做详细介绍。优点：网络结构简洁：TextCNN的网络结构相对简单，这使得模型容易理解和实现。训练速度快。
图神经网络 文本分类
09-16
图神经网络（Graph Neural Network, GNN）是一种用于处理图结构数据的深度学习模型。与传统的神经网络模型不同，图神经网络可以处理节点之间的关系和图的拓扑结构，从而学习节点和图级别的特征表示。 在文本分类任务中，可以将文本数据看作是一个图结构，其中每个单词或句子可以表示为图的节点，而它们之间的关系可以表示为图的边。图神经网络可以通过学习节点之间的连接以及节点的特征来进行文本分类任务。 一种常见的图神经网络模型是图卷积网络（Graph Convolutional Network, GCN），它通过聚合节点周围邻居节点的特征来更新节点的表示。在文本分类中，GCN可以通过将文本中的单词或句子作为节点，并利用它们之间的关系进行信息传递和特征更新。 除了GCN，还有其他类型的图神经网络模型，如GraphSAGE、GAT（Graph Attention Network）等，它们在处理图结构数据时具有不同的优势和适用性。这些模型在文本分类任务中可以应用于不同规模和复杂度的文本数据，并取得一定的效果。 需要注意的是，图神经网络在文本分类任务中的应用还是一个活跃的研究领域，仍然存在许多挑战和改进的空间。研究人员正在不断提出新的模型和方法，以提高图神经网络在文本分类中的性能和效果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值