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：
– 自然言語処理において、テキスト分類は最も基本的で必要不可欠な問題。
– 最近の多くのテキスト分類モデルは、順序的なディープラーニング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たモデルは、複雑な構造化されたテキストデータを直接扱い、グローバルな情報を利用することができる。
– 多くの実際的なテキスト分類アプリケーションはグラフに自然に落とし込むことができ、グラフは単語、文書、文書集合のグローバルな特徴を捉えることができる。
– このサーベイでは、文書レベルと文書集合レベルのグラフニューラルネットワークを含め、2023年までの手法についてカバーしている。
– グラフの構築メカニズムやグラフベースの学習プロセスについて詳しく取り上げるとともに、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関する問題点や今後の方向性についても議論する。
– データセット、評価指標、実験設計についてもカバーし、公開されているベンチマークでの実行性能のサマリーを示す。
– なお、このサーベイでは、異なる技術の包括的な比較や、様々な評価指標の利点と欠点を特定することも行う。

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