Part5ではテキスト分類にあったGraph Convolutionの使い方を検証します。というのも、Part4の実験においてGraph Convolution単体の精度がランダムに選ぶのと大差なかったためです(精度はF1スコアのことで、以下も同様です)。もちろん、先行研究に倣いLSTMと組み合わせれば精度は上がります。ただそれはLSTMのおかげであってGraph Convolutionの効果とは言い難いです。そのため、Graph Convolution単体でテキスト分類の精度を上げることに挑戦します。 本記事で改善したポイントは以下2点となります。 ノードの特徴を維持するようにするグラフの構築とモデルへの入力とで、前処理を分ける改善した結果、以下のような結果となりました。Graph Convolution単体でもそこそこの成果が得られ、またLSTMでブーストができることを確認できました。
![Graph Convolutionで自然言語処理を行う(テキスト分類編) Part5 (End)](https://cdn-ak-scissors.b.st-hatena.com/image/square/580f749c5e3d3138ecdc875017979c85cd53e5ad/height=288;version=1;width=512/https%3A%2F%2Fmiro.medium.com%2Fv2%2Fresize%3Afit%3A405%2F1%2AM-zlQGZN3FpsE41sWVabvg.png)