论文部分内容阅读
【目的】提高现有浅层文本分类模型特征抽取能力,自底向上分层级地提取文本信息,从而提高文本分类效果。【方法】本文提出一种基于全局特征和高层次特征获取的文本分类模型(MFE-CapsNet),该模型利用双向门控循环单元提取上下文信息,并引入权值注意力编码前后隐层向量,从而提高序列模型特征表示质量。结合胶囊网络利用动态路由获得高层次聚合后的局部信息,构建MFE-CapsNet模型,进行文本分类的对比实验。【结果】MFE-CapsNet模型在三个不同领域的中文数据集上F1值分别达到96.21%、94.17%、94