Graph Neural Networks for Text Classification: A Survey

要約

タイトル：テキスト分類のためのグラフ・ニューラル・ネットワーク：サーベイ

要約：

– テキスト分類は自然言語処理において最も重要で基本的な問題である。
– 既存の多くの分類モデルは、順次的な深層学習技術を用いているが、グラフ・ニューラル・ネットワークを用いることで複雑な構造化テキストデータを直接扱え、グローバルな情報を取り出すことができる。
– 多くの実際のテキスト分類アプリケーションは、テキストデータ（単語、文書、コーパスのグローバル特徴）を捉えたグラフに自然に落とし込むことができる。
– このサーベイでは、コーパスレベルおよび文書レベルのグラフ・ニューラル・ネットワークを含む2023年までの手法について述べている。
– グラフの構築メカニズムおよびグラフベースの学習プロセスについて詳しく説明し、技術的な調査に加えて、グラフ・ニューラル・ネットワークを用いたテキスト分類において取り上げられた問題と将来の方向についても議論している。また、データセット、評価メトリックス、実験設計について述べ、公開ベンチマークにおけるパフォーマンスの概要を示している。
– なお、本サーベイでは、異なる手法を包括的に比較し、評価メトリックスの利点と欠点を明確にしている。

要約(オリジナル)

Text Classification is the most essential and fundamental problem in Natural Language Processing. While numerous recent text classification models applied the sequential deep learning technique, graph neural network-based models can directly deal with complex structured text data and exploit global information. Many real text classification applications can be naturally cast into a graph, which captures words, documents, and corpus global features. In this survey, we bring the coverage of methods up to 2023, including corpus-level and document-level graph neural networks. We discuss each of these methods in detail, dealing with the graph construction mechanisms and the graph-based learning process. As well as the technological survey, we look at issues behind and future directions addressed in text classification using graph neural networks. We also cover datasets, evaluation metrics, and experiment design and present a summary of published performance on the publicly available benchmarks. Note that we present a comprehensive comparison between different techniques and identify the pros and cons of various evaluation metrics in this survey.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI