基于无池化卷积嵌入和注意分布神经网络的新闻分类方法

摘要

本发明请求保护一种基于无池化卷积嵌入和注意分布神经网络的新闻分类方法，它利用特征和权重作为分类过程中的关键因素。其机制是使用一种在嵌入层中进行卷积以提取局部特征，删除池化层以减少信息丢失，然后添加注意力机制以重新分配权重以从而获得文本的全局特征。该模型不仅捕获了文本的深刻特征，还捕获了新闻各部分的重要性。卷积神经网络(CNN)由于具有提取局部特征和位置不变特征的优势而在文本分类任务中发挥了重要作用。注意力机制由于其对文本上下文信息的提取，以及更加关注重要部分的特点，强化关键信息权重，两者结合有更强的特征提取能力。结合无池化CNN和全局注意力机制来处理新闻分类问题可以显著提高文本分类的准确率。