一种用于归纳文本分类的新型图序列学习模型

本文介绍了一种名为TextGSL的新型图序列学习模型，旨在改进归纳文本分类。该模型通过结合词对之间不同的结构信息（共现、语法、语义）并使用Transformer层集成序列信息，解决了现有基于GNN的方法的局限性。通过构建具有多种边缘类型的文本级图并采用自适应消息传递范式，TextGSL旨在学习更具区分性的文本表示。该论文声称，与以前的方法相比，这种方法可以更好地处理新单词和关系。该论文提到了与强大基线的全面比较，表明对该模型有效性的经验验证。对归纳学习的关注非常重要，因为它解决了泛化到未见数据的挑战。