一种基于LSTM-TextCNN算法的新闻文本分类方法和介质

摘要

本发明提出了一种基于LSTM‑TextCNN算法的新闻文本分类方法和介质，方法包括：通过对新闻数据集D进行预处理，得到预处理后的数据集D1；通过无监督模型Word2Vec对数据集D1进行训练获得词向量模型矩阵V，矩阵V划分为训练集V1和测试集V2；构造LSTM‑TextCNN模型并设置训练流程，将V1作为训练样本同时输入LSTM和TextCNN模型；通过TextCNN模型获取到特征向量C1，通过LSTM模型获取到特征向量C2，通过Concatenate函数将特征向量C1和C2混合得到特征向量C，将特征向量C输入Softmax函数进行分类预测；最后将测试集V2输入到训练好的模型进行预测得到最终分类模型Mod。本发明通过利用TextCNN和LSTM提取文本特征的优势，将提取特征融合，在长短文本分类中表现出优异的性能，提高新闻分类的准确率，具有切实可行的实用价值。