Graph Convolutional Networks for Text Classification in PyTorch PDF

Dataset

数据集	描述	下载
20NG	这是一个用于文本分类、文本挖据和信息检索研究的国际标准数据集之一。数据集收集了大约20,000左右的新闻组文档，均匀分为20个不同主题的新闻组集合	20NG
R8	R8是路透社21578数据集的两个子集之一。R8有8个类别，分为5,485个训练文档和2,189个测试文档	R8
R52	R52也是路透社21578数据集的子集之一。R52有52个类别，分为6,532个训练样本和2,568个测试样本	R52
Ohsumed	Ohsumed数据集是MEDLINE医药信息数据库的一部分，包含了从1987年到1991年五年间270个医药类杂志的标题和/或摘要，总共包含了348,566个文档	Ohsumed
MR	MR是电影评论数据集，其中每个样本对应一个句子。语料库有5,331个积极样本和5,331个消极样本	MR

Benchmark

dataset	20NG	R8	R52	Ohsumed	MR
Text GCN	0.8634±0.0009	0.9707±0.0010	0.9356±00018	0.6836±0.0056	0.7674±0.0020
Results	0.8617±0.0014	0.9710±0.0014	0.9357±0.0016	0.6807±0.0040	0.7579±0.0047

NOTE: The result of the experiment is to repeat the run 10 times, and then take the average of accuracy.

Requirements

• PyTorch==1.8.0

Usage

1. Run python data_processor.py 20ng
2. Run python build_graph.py 20ng
3. Run python train.py --dataset 20ng
4. Change 20ng in above 3 command lines to R8, R52, ohsumed and mr when producing results for other datasets.

References

[1] Yao, L. , Mao, C. , & Luo, Y. . (2018). Graph convolutional networks for text classification.