一种基于图注意力网络的中文短文本分类方法

本发明聚焦于法律领域内的案例叙述，关注以句号作为自然分割单位的独立语句单元，通过一系列句法分析手段，将实例句，归置到中文学界认可的一级或次级句型类别中，如主谓句结构或是非主谓句结构等。本发明提出了Word vector fusion‑Bert‑GAT(WBGAT)模型，克服语义嵌入表示技术还无法满足长程相关、一词多义等现实需求以及模型token单元的数量限制。本发明所提出的算法模型通过运用图网络模型框架，通过构建图网络来捕捉并传递单词间的内在信息，从而习得更能体现整个句子语义情境下的单词新表征。本发明所提出的算法模型通过运用图网络模型框架，通过构建图网络来捕捉并传递单词间的内在信息，从而习得更能体现整个句子语义情境下的单词新表征。并针对法律文本进行分析，将文本按照逗号拆分成单句，然后构建词共现、依法句存、篇章‑主题三种图，通过一种融合函数，将三种图进行自适应融合，融合成一个词向量，然后引入GAT进行分类。