由于输入词是经过cnn卷积式神经网络处理后的结果词向量间也会产生必要的联系。因此为了更深入提取文本中的重要特征可增加注意力机制实现对于输入词向量的聚焦对于无价值的信息进行剔除从而更好的对数据进行训练提高模型性能。具体来说gru-attention层的结构如图44所示通过该层本课题可以提

在中文文本分类研究中，为了更深入地提取文本中的重要特征并提高模型性能，我们采用了一种基于卷积式神经网络与注意力机制的方法。通过CNN对输入词进行处理，词向量间会产生必要的联系。为了进一步聚焦于输入词向量中的重要信息，我们增加了注意力机制，以剔除无价值的信息。我们的模型采用了GRU-Attention层，其结构如图4.4所示。通过该层，我们成功地提取出了文本中的重要特征，这为文本分类做出了积极贡献。我们的方法不仅提高了模型的性能，也具有广泛的适用性和实用价值。