基于BERT-BiLSTM-CNN模型的新闻文本分类研究

打开文本图片集

摘 要：针对双向长短期记忆网络（BiLSTM）没有考虑到局部关键信息对文本分类的影响，以及卷积神经网络（TextCNN）无法捕获文本的长远距离的特征信息等问题，文章提出了一种基于BERT-BiLSTM-CNN混合神经网络模型的新闻文本分类的方法。为了进一步增强文本表示和提高新闻文本分类的效果，首先使用BERT预训练模型对文本进行词嵌入映射，其次利用BiLSTM-CNN模型进一步提取文本上下文和局部关键特征，最后对新闻文本进行分类;并在THUCNews数据上进行对比实验，实验结果表明，BERT-BiLSTM-CNN模型的文本分类效果优于Transformer、TextRNN、TextCNN等深度学习模型。（剩余7658字）