基于层次化注意力的语义融合文本分类增强方法
陈建忠
陈琴
南宁师范大学人工智能学院 广西南宁 530100
摘要：针对传统TextCNN模型在文本特征提取能力相对有限的问题,文章提出了一种基于层次化注意力增强的语义融合TextCNN(HA-SF-TextCNN)文本分类方法.通过引入双层注意力机制,在词级和句级分别构建注意力模块,用于捕获文本的局部和全局语义信息;同时,设计了语义融合模块,将预训练词向量与上下文语义特征有机结合,增强模型对复杂文本的表达能力.实验结果表明,相比传统TextCNN模型,HA-SF-TextCNN模型在分类准确率和F1评分提升较大.在长文本和多义词处理方面有着更强的特征表达能力,为深度学习文本分类技术提供了新的思路.
关键词：文本分类层次化注意力机制语义融合TextCNN
论文发表日期：2025-12-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 52-54,58 )