序列—结构的文本分类算法

Bi-LSTM输入为时间序列,可以挖掘词序列间的隐藏信息,但易忽略文本句子间的结构信息。CNN具位移不变性的优势,可以有效抽取文本句子间的结构特征,但很难察觉词序列间的隐藏信息。因此文章提出了序列—结构的文本分类算法,该算法将Bi-LSTM和CNN相结合形成优势互补,从词序列和文本结构上抽取文本信息,并结合注意力机制,减少信息冗余,优化特征向量,进一步提高分类的准确性。选择单纯的神经网络和加入注意力机制的神经网络作为比较对象,证明本算法的可行性和有效性。