基于聚类改进负抽样的图对比学习半监督文本分类方法

本发明涉及一种聚类改进负抽样的图对比学习半监督文本分类方法。上述基于聚类改进负抽样的图对比学习半监督文本分类方法，通过构建异构文本图网络模型来表征文本节点和单词节点之间的复杂关系，为后续的对比学习提供高质量的图输入；通过随机边丢弃策略生成多样化的增强视图，在后续的对比学习过程中获得更加丰富的上下文信息，提升节点嵌入的泛化能力；通过聚类算法对增强视图进行文本表示学习，确保负样本集的语义多样性和高质量，以缓解负样本选择过程中的偏差问题，避免因负样本的错误选择而导致类内分离现象；通过对比损失和交叉熵损失的联合优化策略，提升了文本嵌入的语义一致性，确保了分类性能的稳健性。