[发明专利]基于图神经网络的招标项目名称短文本分类方法及系统

权利要求书

1.基于图神经网络的招标项目名称短文本分类方法，其特征是，包括：获取待分类的招标项目名称；对待分类的招标项目名称进行预处理，对预处理后的文本进行分词处理；将分词结果输入到训练后的短文本分类模型中，输出分类结果；

其中，训练后的短文本分类模型，用于：

对分词结果提取出语义图的特征矩阵；

对分词结果构建顺序图，进而得到顺序图的邻接矩阵；对顺序图的邻接矩阵进行初始化，得到顺序图的特征矩阵；

对分词结果提取出文本特征，将文本特征缓存到内存库中；

将文本特征分别映射到语义图的特征矩阵和顺序图的特征矩阵中，得到映射后的语义图特征矩阵和映射后的顺序图特征矩阵；

基于语义图的邻接矩阵、顺序图的邻接矩阵、映射后的语义图特征矩阵和映射后的顺序图特征矩阵，实现语义图和顺序图的图内传播；

基于语义图的邻接矩阵、顺序图的邻接矩阵和图内传播结果，实现语义图和顺序图的图间传播，对图间传播结果进行分类，得到分类标签；

所述训练后的短文本分类模型，其网络结构具体包括：三个并列分支：第一分支、第二分支和第三分支；

所述第一分支，包括：依次连接的第一双向长短时记忆循环神经网络、语义图构建模块、第一特征初始化模块和第一映射模块；

所述第二分支，包括：依次连接的顺序图构建模块、第二特征初始化模块和第二映射模块；

所述第三分支，包括：依次连接的第二双向长短时记忆循环神经网络和特征缓存模块；

所述特征缓存模块的输出端分别与第一映射模块的输入端和第二映射模块的输入端连接；所述第一映射模块的输出端和第二映射模块的输出端均与第一图神经网络的输入端连接；

所述第一图神经网络的输出端与第二图神经网络的输入端连接；所述第一图神经网络的输出端与加法器的输入端连接；所述第二图神经网络的输出端与加法器的输入端连接，加法器的输出端与均值池化层的输入端连接；均值池化层的输出端与分类层的输入端连接。

2.如权利要求1所述的基于图神经网络的招标项目名称短文本分类方法，其特征是，所述基于语义图的邻接矩阵、顺序图的邻接矩阵、映射后的语义图特征矩阵和映射后的顺序图特征矩阵，实现语义图和顺序图的图内传播，具体包括：

将语义图的邻接矩阵和映射后的语义图特征矩阵，均输入到第一图神经网络，进行图内传播，得到经过图内传播后的第一最终表示；

将顺序图的邻接矩阵和映射后的顺序图特征矩阵，输入到第一图神经网络，进行图内传播，得到经过图内传播后的第二最终表示。

3.如权利要求1所述的基于图神经网络的招标项目名称短文本分类方法，其特征是，所述基于语义图的邻接矩阵、顺序图的邻接矩阵和图内传播结果，实现语义图和顺序图的图间传播，具体包括：

将图内传播后的第一最终表示和合并后的单图邻接矩阵，输入到第二图神经网络中，进行图间传播，得到经过图间传播后的第一中间值；其中，合并后的单图邻接矩阵，是指语义图的邻接矩阵和顺序图的邻接矩阵的加权求和结果；

将图内传播后的第二最终表示和合并后的单图邻接矩阵，输入到第二图神经网络中，进行图间传播，得到经过图间传播后的第二中间值；

将图间传播后的第一中间值与经过图内传播后的第一最终表示进行求和，得到融合语义图和顺序图之间异构信息的第一最终表示；

将图间传播后的第二中间值与经过图内传播后的第二最终表示进行求和，得到融合语义图和顺序图之间异构信息的第二最终表示。

4.如权利要求1所述的基于图神经网络的招标项目名称短文本分类方法，其特征是，所述对图间传播结果进行分类，得到分类标签，具体包括：将融合语义图和顺序图之间异构信息的第一最终表示，与融合语义图和顺序图之间异构信息的第二最终表示按照维度进行合并，将合并后的数据输入到均值池化层中进行处理，将均值池化层的输出结果输入到分类层中，输出分类标签。