论文阅读总结（Graph Convolutional Networks for Text Classification）

Graph Convolutional Networks for Text Classification（用于文本分类的图卷积网络）

论文：https://arxiv.org/abs/1809.05679v1
推荐继续阅读：Every Document Owns Its Structure: Inductive Text Classification via Graph Neural Networks

摘要：作者介绍了其TextGCN的方法，作者在语料库中构建图，其构图方式是：词节点与词节点之间连边，同时词节点和文档节点之间也连边，文档节点和文档节点之间不连边，这样就构成了一个异构图。（词节点和文档节点初始化都使用one-hot表示）词节点与词节点之间边的权重利用单词共现信息计算得到的逐点互信息（PMI）来表示，词节点和文档节点之间边的权重利用TF-IDF算法计算得到。该模型利用了其他模型没有考虑到的全局词共现信息，在较少训练数据时体现了较好的鲁棒性。其中TextGCN的一个对比优势是能够自动学习作为node embedding 的文本表示。
图1：TextGCN的示意图
异构图中黑色粗的线连的是文档–词的边，灰色细的线连的是词–词的边，O开头的是文档，R(x)指的x的embedding）

图结构的确定：节点特征矩阵