基于图卷积神经网络的主题模型文本分类探究

打开文本图片集

摘  要：现阶段，人们的大量生活信息多以社交媒体、新闻报道等方式记录存储。而在文本分类中融入图卷积神经网络主题模型算法，可将各类信息数据通过分类控制，全面应用到国民经济、社会管理及网络安全当中。基于此，该文简单分析融合主题模型的卷积神经网络分类，并深入探讨文本分类系统实践，以供参考。

关键词：图卷积神经网络；文本分类；主题模型；设计实践；算法

中图分类号：TP391.1       文献标志码：A          文章编号：2095-2945（2023）36-0083-04

Abstract： At this stage， people's large quantities of information related to their lives is mostly recorded and stored by means of social media， news reports and so on. By integrating the graph convolution neural network topic model algorithm into the text classification， all kinds of information and data can be comprehensively applied to the national economy， social management and network security through classification control. Based on this， this paper briefly analyzes the convolution neural network classification based on the fusion topic model， and deeply discusses the practice of text classification system for reference.

Keywords： graph convolution neural network; text classification; topic model; design practice; algorithm

文本分类主要是基于现代信息算法将文本内容根据标准进行分类标注，其多用于各个媒体平台中智能化新闻分类、广告过滤、内容审核和垃圾评论自动屏蔽等功能布设，而运用图卷积神经网络模型及算法，可通过对数据虚拟建模进行智能信息获取，进而提升有效信息处理效率，实现自动化文本分类。（剩余5880字）