换一批基于图神经网络增强句嵌入的中医文献多标签分类方法研究
A Study on Multi-Label Classification Methods for Traditional Chinese Medicine Literature Based on Sentence Embedding Enhanced by Graph Neural Networks
摘要目的 提出一种使用图神经网络增强句嵌入的中医文献多标签分类方法,能够有效获取相似文章之间的关联,通过与文本语义信息的相互融合,提高分类性能.方法 获取论文句嵌入数据,建立中医文献异构网络,通过图神经网络GraphSAGE模型学习论文在异构网络上的表征信息和自身的句嵌入信息,将得到的特征向量输入模型进行多标签分类.结果 在中医文献数据集下,基于图神经网络的模型的多标签分类精确率和F1值,达到了0.83与0.72,优于主流基线模型.结论 本文提出的方法在中医文献多标签分类任务中具有有效性.
更多相关知识
关键词
多标签分类样本不均衡中医文献异构网络图神经网络Multi-label ClassificationImbalanced SamplingTCM Heterogeneous NetworkGraph Neural Network
分类号
R-058
栏目名称
DOI
10.11842/wst.20240222001
发布时间
2025-03-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
中国中医科学院基本科研业务费自主选题项目（ZZ150313）；
中国中医科学院科技创新工程重大攻关项目（CI2021A05308）；
中国中医科学院科技创新工程中医药信息学创新团队:大规模中医药知识图谱的构建、融合与有效方药发现研究,任务负责人:李敬华（CI2021B002）
- 浏览9
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
