计算机应用

作者：杨进才, 班启旭, 杨旭生, 沈显君

单位：华中师范大学 计算机学院，武汉 430079

关键词：多标签文本分类,知识图谱,异质图转换架构,门控图神经网络,标签相关性

基金：国家自然科学基金资助项目(61977032);国家社会科学基金资助项目(19BYY092)

文本分类作为自然语言处理（NLP）领域的重要任务，它的多标签分类因标签空间大而成为难点。针对该问题，以儿童读物中的价值观标识为实例，提出一种融合外部语义知识的多标签分类方法HSGIN（Heterogeneous Semantic Gated Interaction Network）。首先，利用SBERT （Sentence embeddings from Siamese BERT （Bidirectional Encoder Representations from Transformers））和双向长短期记忆（Bi-LSTM）网络提取文本特征；其次，通过异质图转换架构（HGT）联合建模知识图谱（KG）中的实体和关系，并利用先验知识和语义关联提取标签特征；最后，将文本特征和标签特征进行注意力融合以得到不同的标签特征表示，且引入门控图神经网络（GGNN）捕捉标签间的语义依赖和交互模式并进行预测。实验结果表明，相较于目前性能先进的对比方法BERT，所提方法的精确率、召回率和F1分数分别提升了2.66、0.47和1.16个百分点。以上实验结果验证了所提方法的有效性，同时，对儿童读物中价值观标识的精准分析有助于为儿童选择健康的读物。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期