基于知识图谱的图匹配文本分类.docx

引言 文本分类是自然语言处理中最基本的任务之一,是推荐任务[1]、问答系统[2]、情感分析[3]等许多任务的基础。近些年来,随着文本数据量以几何倍数的速度增加,作为许多应用基础的文本分类任务的研究愈发重要。传统的文本分类任务严重依赖于人工构建的特征,随着深度神经网络(DNN)[4]的发展,以循环神经网络（CNN）[5]、卷积神经网络（RNN）[6]等为基础的深度学习算法已经成为文本分类任务的主流,但是深层学习对文本数据的依赖性很强,需要大量正确标注的数据,因而在实际应用中受到一定的限制。知识图谱[7]以结构化的组织形式描述客观世界中的概念、实体及其关系,将数据表达成更接近人类认知世界的形式,是