一种基于GAT的小样本均衡补偿文本主题分类模型

针对小样本不均衡数据采用GAT模型主题分类效果不佳的问题,本文提出一种基于GAT的样本均衡补偿模型(BC-GAT),优化GAT模型的构建方法,对数据集中小比例样本进行均衡补偿。本文通过合理运用EDA算法和网络爬虫算法,使数据集中小比例样本的扩充更加合理和高效,使GAT模型更加适合小样本不均衡主题分类。实验表明,BC-GAT模型小比例样本识别准确率在90%以上,可以有效解决实际应用中存在的极小样本和数据倾斜问题。