一种基于LSTM卷积神经网络的多标签文本分类方法

摘要

本发明公开了一种基于LSTM卷积神经网络的多标签文本分类方法，包括文本预处理、文本特征提取以及输出文本标签。本发明的有益效果是：该算法可通过word2vec算法进行文本预处理，将原始文本数据转化为单词的局部特征，然后再将单词的局部特征输入到卷积神经网络中，进行文本特征提取，计算文本特征向量，最后将文本特征向量作为先验知识输入到LSTM循环神经网络中，预测标签序列，计算最终的文本标签，得到分类结果。与现有技术相比，本发明克服了传统方法忽略标签之间的相关性和无法提取局部语义信息的缺点，既能够提取高阶文本特征，又能够处理长文本序列，同时去除无用信息，保留有效信息，从而增强了分类结果的准确性和有效性。