一种基于长短时记忆网络和卷积神经网络的文本分类方法

摘要

本发明公开一种基于长短时记忆网络和卷积神经网络的文本分类方法，首先，利用词向量将输入文本进行向量表示，通过三层CNN提取文本的局部特征，进而整合出全文语义，同时，使用LSTM存储文本序列中历史信息的特征，以获取文本的上下文依赖关系，其次，将输入向量分别与各层CNN的输出相融合，缓解深层神经网络中层与层之间特征传递时出现的特征丢失问题。本发明适用于文本分类，具有运行效率高、运行时间短的优点，解决了传统分类技术在处理复杂抽象和上下文的强相关性文本时的缺陷。