[发明专利]一种基于图卷积神经网络的多轮对话分类方法

权利要求书

1.一种基于图卷积神经网络的多轮对话分类方法，它包括：

步骤1、对原始数据集进行数据预处理；

步骤2、构建图结构；

步骤3、对图结构进行预处理；

步骤4、构建和训练图卷积神经网络模型；

步骤5、在模型训练完毕之后，使用图卷积神经网络模型在数据集上对多轮对话进行分类。

2.根据权利要求1所述的一种基于图卷积神经网络的多轮对话分类方法，其特征在于：所述对原始数据集进行数据预处理的方法为：对原始数据集采取去除停用词、去除标点符号和不可见字符处理，将原始数据集表示成文本词语的TF-IDF矩阵形式。

3.根据权利要求1所述的一种基于图卷积神经网络的多轮对话分类方法，其特征在于：构建图结构的方法为：针对图结构，图的节点将采用每一个词的词向量，邻居节点是与其相似度最高的若干词向量；邻居节点数目设置为8。

4.根据权利要求3所述的一种基于图卷积神经网络的多轮对话分类方法，其特征在于：所述词向量，称为词嵌入，是以向量的形式表示语料库或者词汇表中的词语，即x_i∈R^k；x_i表示语料库或者词汇表中第i个词的词向量，R^k表示k维实数空间；原语料库或者词汇表中的词语被映射成向量空间中的点，从而作为输入用于图卷积神经网络模型的训练。

5.根据权利要求1所述的一种基于图卷积神经网络的多轮对话分类方法，其特征在于：所述图结构进行预处理的方法包括：

计算图的拉普拉斯矩阵，同时进行图傅立叶变换；具体包括：

图拉普拉斯矩阵，组合定义为L＝D-W∈R^n*n，其中D∈R^n*n是对角度矩阵D_ii＝∑_jW_ij，归一化定义为其中In是单位矩阵；先计算由词向量构造的图矩阵，计算得到该图矩阵的度矩阵，再判断是否需要正则化；如果不需要正则化，则该图的拉普拉斯矩阵由L＝D-W得到；反之，如果需要正则化，则对应的拉普拉斯矩阵计算公式为

图拉普拉斯矩阵L是一个实对称正半定矩阵，它有一个正交特征向量集，称为图傅立叶的模型，和其相关的有序实非负特征值标识为图的频率；拉普拉斯算子是通过傅立叶基U＝[u₀,…,u_n-1]∈R^n*n，使得L＝UΛU^T，其中Λ＝diag([λ₀,…,λ_n-1])∈R^n*n；图的傅立叶变换信号x∈Rⁿ,然后将定义为它的逆为