来源：期刊VIP网 时间：
作者：仝文静;李胜楠;司占军;
单位：天津科技大学人工智能学院;
摘要：为了解决单一神经网络难以同时捕捉文本数据的局部特征和整体上下文特征的问题，本研究提出了一种基于ERNIE-CNN-BiLSTM-MultiAtt模型的双通道文本分类方法。该方法通过ERNIE词嵌入获得更准确的词表示，并采用改进的多尺度卷积神经网络（Convolutional Neural Networks,CNN）提取局部特征。同时结合双向长短期记忆网络（Bidirectional Long Short-Term Memory,BiLSTM）和多头注意力机制，以加强词序依赖和特征提取。双通道融合策略增强了特征的多维表示，提高了分类性能。实验结果表明，该模型的分类效果优于其他对比模型，具有更好的分类准确性和语义表示能力。
关键词：双向长短期记忆网络;;卷积神经网络;;注意力机制;;双通道网络
