基于旋转编码与动态门控的双向GCN-BERT科学数据分类方法

本发明公开了基于旋转编码与动态门控的双向GCN‑BERT科学数据分类方法，首先对原始文本数据进行预处理，利用预训练模型获取包含全局信息的分类标记添加到输入文本的开头。其次将分类标记通过CorNet神经网络进行特征优化，之后通过旋转位置增强多层特征交互网络RP‑MLFIN进行位置增强和全局交互。然后传递到双向图卷积神经网络中进行特征交互和图卷积处理，生成图级别的表示。最后分别将特征优化后的分类标记和图级别的表示传递给分类器，生成BERT预测和GCN预测，通过注意力机制融合预测结果，生成最终的分类决策。本发明提升对上下文依赖性强的文本数据的处理能力以及分类结果的稳定性与鲁棒性。