短文本分类精度提升
在余弦空间中显式建模文本的类内紧凑性与类间分离性，同时引入主题增强缓解短文本稀疏问题，在多个数据集上优于现有图卷积方法。
Min, Changrong · Chu, Yonghe · 林鸿飞 · Wang, Bolin · 杨亮 · 徐博
Soft Computing 2024
通过同时优化类内紧凑性和类间分离性，学习到的短文本表示更具判别力，从而在8个数据集上降低分类错误率。
引入潜在主题增强文本图，补充词汇共现外的语义关联，使短文本获得更丰富的上下文信息。
模型端到端学习文本表示，避免传统方法依赖手工设计特征和外部知识库。