【藏文信息处理】CINO-TextGCN：融合CINO与TextGCN的藏文文本分类模型研究

CINO-：融合CINO与的藏文文本分类模型研究

李果1，2 杨进*3 陈晨1，2

（1.西藏大学信息科学技术学院西藏拉萨

2.西藏大学藏文信息技术教育部工程研究中心西藏拉萨

3.四川大学网络空间安全学院四川成都）

摘要：为提高藏文新闻文本分类准确性，文章提出一种融合少数民族语言预训练模型( Model, CINO)和图卷积神经网络模型（Text Graph ,）的方法，即CINO-模型。为有效评测该模型对藏文文本的分类性能，自建了较大规模和较高质量的藏文新闻文本公开数据集 TNEWS（），通过实验发现，CINO-在公开数据集TNCC上的准确率为74.20%，在TNEWS上为83.96%。因此，该融合模型能够较好地捕捉到藏文文本语义，提升藏文文本分类性能。

关键词：藏文；图卷积神经网络；融合模型；新闻文本；文本分类

基金项目：国家自然科学基金项目（，，）.

第一作者简介：李果文本分类模型，男，汉族文本分类模型，贵州兴义人，西藏大学信息科学技术学院硕士研究生，主要研究方向为自然语言处理。

通讯作者简介：杨进，男，汉族，四川乐山人，四川大学网络空间安全学院教授，主要研究方向为网络空间安全、人工智能、深度学习。

文本模型分类包括_文本模型分类有哪几种_文本分类模型