一种基于融合特征和改进LSTM的文本分类方法

本发明公开了一种基于融合特征和改进LSTM的文本分类方法，包括获取文本数据，并划分为训练集和测试集；对文本进行预处理，得到清洗后的文本数据；使用Word2Vec方法提取文本的特征，得到静态特征向量；使用预训练的BERT中文模型提取文本的特征，得到包含上下文的特征向量；将静态特征向量和包含上下文的特征向量进行融合，得到融合特征；将训练集的融合特征输入至改进的LSTM网络进行模型训练；使用训练好的分类模型对测试集进行分类验证，以评估模型的效能；该方法旨在通过结合静态和动态特征向量，不仅利用了两者的优势，还通过注意力机制优化了输入特征的权重分配，加强了模型对关键信息的关注，本发明适用于各种需要高精度文本分类的领域。