针对传统长短时记忆网络(long short-term memory,LSTM)在文本分类中无法自动选取最重要潜在语义因素的问题，提出一种改进的LSTM模型。首先，将传统LSTM的运算关系拓展为双向模式，使网络充分记忆输入特征词的前后关联关系；然后在输出层前面增加池化层，以便更好选择找到最重要的潜在语义因素。互联网电影资料库评论数据实验结果表明，该模型优于传统长短时记忆神经网络以及其他同类模型，揭示了改进方案对提高文本分类准确率是有效的。
科研之友
微信
新浪微博
Facebook
分享链接
