ViCGCN：用上下文化语言模型的图卷积网络在越南社交媒体挖掘中的应用

Sep, 2023

ViCGCN：用上下文化语言模型的图卷积网络在越南社交媒体挖掘中的应用

ViCGCN: Graph Convolutional Network with Contextualized Language Models for Social Media Mining in Vietnamese

Chau-Thang Phan, Quoc-Nam Nguyen, Chi-Thanh Dang, Trong-Hop Do, Kiet Van Nguyen

TL;DR社交媒体处理是自然语言处理中的基本任务之一，该研究论文提出了一种利用上下文化语言模型和图卷积网络的创新方法 ViCGCN，以解决越南社交媒体中的数据不平衡和噪声问题，并通过在多个越南基准数据集上的实验证明了其优越性。

Abstract

social media processing is a fundamental task in natural language processing with numerous applications. As vietnamese social media and information science have grown rapidly, the necessity of information-based m

social media processing vietnamese social media imbalanced and noisy data graph convolutional networks vicgcn approach

发现论文，激发创造

VGCN-BERT: 使用图嵌入增强 BERT 进行文本分类

本文提出了 VGCN-BERT 模型，结合 BERT 和 Vocabulary Graph Convolutional Networks (VGCN) 的能力进行文本分类，实验证明其在多个文本分类数据集上性能优于单独使用 BERT 和 GCN，并且比以前的研究效果更好。

Apr, 2020

基于图卷积网络的半监督用户地理位置识别

本文提出了基于图卷积网络的多视角地理定位模型 GCN，使用文本和网络上下文，并在三个基准地理定位数据集上与最先进技术和两个基准进行了比较，当有足够的监督时，GCN 可以达到或与最先进技术竞争。此外，我们在最少监督情况下评估 GCN，并表明它优于基准。我们发现，高速公路网络门对于控制 GCN 中有用邻域扩展的数量至关重要。

Apr, 2018

XGV-BERT：基于上下文化语言模型和图神经网络的高效软件漏洞检测

我们提出了一种名为 XGV-BERT 的框架，结合预训练的 CodeBERT 模型和图神经网络（GCN）来检测软件漏洞，通过联合训练 CodeBERT 和 GCN 模块，该模型利用大规模预训练、通过图卷积学习训练数据的表示，其研究结果表明与 VulDeePecker 和 SySeVR 等现有方法相比，XGV-BERT 方法显著提高了漏洞检测的准确性。

Sep, 2023

张量图卷积网络的文本分类

本文提出 TensorGCN 框架，基于图卷积神经网络进行文本分类，结合单个图的邻域信息和不同图的异构信息进行内部图和跨图传递信息的聚合和协调，实现了在不同种类图中集成异构信息的有效方式。

Jan, 2020

图卷积网络文本分类

本文介绍了一种基于图卷积神经网络的文本分类算法 (Text GCN)，该算法利用单一的文本图构建并联合学习词和文本的表征，经实验表明，将该算法应用于多个基准数据集后，在无需外部词嵌入和预先知识的情况下，文本 GCN 仍可优于现有的文本分类方法。

Sep, 2018

用于斯瓦希里语新闻分类的图卷积网络

这项工作实证了文本图卷积网络在半监督 Swahili 新闻分类任务上优于传统自然语言处理基准的能力，特别是针对少标记语料库这一实际限制的实验。此外，作者还提出了一种变体 Text GCN 模型，其利用词袋表示法代替朴素的独热编码方式以减少内存占用，同时展示了类似的预测性能。

Mar, 2021

ViSoBERT：用于越南社交媒体文本处理的预训练语言模型

本文介绍了首个用于越南社交媒体文本的单语言预训练语言模型 ViSoBERT，该模型使用 XLM-R 架构，在大规模高质量多样化的越南社交媒体文本语料库上进行预训练，并在越南社交媒体文本的情绪识别、仇恨言论检测、情感分析、垃圾评论检测和仇恨言论跨度检测等五个重要的自然语言下游任务中超越了之前最先进的模型。

Oct, 2023

文本分类的连续图卷积网络

提出了一种使用连续图卷积网络的新方法来推断在线文本数据的模型，称为 ContGCN，采用了全标记 - 任意文档范式来动态更新每批处理的文档 - 标记图，并使用自我监督对比学习目标来更新模型。在华为公共舆情分析系统上进行的 3 个月 A/B 测试表明，ContGCN 相比现有的方法提高了 8.86％的性能。

Apr, 2023

关系图卷积网络用于情感分析

我们提出了使用关系图卷积网络（RGCNs）进行情感分析的方法，该方法通过捕捉作为图中节点表示的数据点之间的依赖关系，提供了解释性和灵活性。通过在亚马逊和 Digikala 数据集上使用预训练的语言模型（如 BERT 和 RoBERTa）与 RGCN 架构进行产品评论的情感分析，并评估结果，我们证明了我们方法的有效性。我们的实验证明了 RGCNs 在捕捉情感分析任务的关系信息方面的有效性。

Apr, 2024

用于句法感知神经机器翻译的图卷积编码器

这篇研究论文介绍了一种简单有效的方法来将句法结构融入到神经注意力编码解码模型中，以实现机器翻译。文中使用了预测的源句子句法依赖树，用于生成敏感于句法周边的单词表示，以达到最佳效果。研究的实验结果表明，在英德翻译和英捷翻译方面的所有设置中，与其不考虑语法结构的版本相比，该方法均有显著的改善。

Apr, 2017