基于多通道循环卷积神经网络的文本分类方法

摘要

循环神经网络和卷积神经网络能够分别捕捉文本中的长期依赖和局部依赖,但是定长的向量表示限制了循环神经网络的特征表达能力,卷积核的大小也影响了卷积神经网络提取特征的能力.针对这些问题,提出多通道循环卷积神经网络来处理文本分类.采用双向长短期记忆网络对文本进行序列建模;利用标量注意力机制和矢量注意力机制来辅助生成文本的多通道表示;最终由卷积神经网络来完成文本分类.在标准数据集上的实验验证了该框架的分类有效性以及文本多通道表示的语义丰富性.