GCN-PU:基于图卷积网络的PU文本分类算法

摘要：

针对PU(Positive and Unlabeled)文本分类问题,提出了一种基于图卷积网络的PU文本分类算法(GCN-PU),基本思想是给未标注样本加以不同的损失权重.将未标注样本全部视为负类样本,用以训练基于卷积神经网络的文本分类器;取卷积神经网络的倒数第二层的向量为文本的特征向量,以及对应的类别概率,作为图卷积网络的输入;利用图卷积网络得出的类别概率计算每个未标注样本的损失权重,重新训练文本分类器.不断重复上述三个步骤,直到算法参数稳定.在公开数据集20newsgroup上的实验结果表明,GCN-PU算法优于现有的方法,尤其在正类样本较少的情况下.

关键词：卷积神经网络、图卷积网络、损失权重、PU文本分类

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

在线出版日期：2021-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：162-167