来源：期刊VIP网 时间：
作者：黎超;廖薇;
单位：上海工程技术大学电子电气工程学院;
摘要：针对现有文本分类方法无法充分提取中文文本中的语义特征，从而影响分类效果的问题，提出一种融合知识图谱与多神经网络的文本分类模型KGMNN(knowledge graph and multiple neural network)。首先，该模型以Word2Vec作为嵌入层对文本进行向量化表示，利用多神经网络提取文本的全局语义特征与局部语义特征；其次，借助外部知识图谱获取文本相关概念集以丰富文本特征，并引入注意力机制计算每个概念权重值，降低了无关噪声概念对分类的影响；最后，将文本特征及其概念特征融合作用于Softmax分类器以得到分类结果。在THUCNews短文本数据集与长文本数据集上进行性能评估，实验结果表明，所提模型的分类准确率分别为96.67%和97.57%，与传统模型相比具有更好的分类性能。
关键词：神经网络;;注意力机制;;知识图谱;;中文文本分类
基金资助：国家自然科学基金项目（编号：62001282）
