172 2022，58（3） Computer Engineering and Applications 计算机工程与应用 结合自注意力和残差的 BiLSTM_CNNmooth than the common Relu function. Compared with common deep learning models, the proposed method is superior to the existing mainstream models in terms of the accuracy and F1 evaluation indicators. The proposed model provides new research ideas for text classification problems. Key words：self-attention mechanism; bi-directional long short-term memory network（BiLSTM）; residual network; convolutional neural network（CNN）; layer normalization 文本分类是自然语言处理中最基本的任务之一，模 文本分类任务还可以应用到其他任务领域，例如舆 型通过大量的非结构化数据学习到某种规则，将其他文 情分析：有关政府单位可以依据网络上人们对所在地区 本按照此规则进行分类。文本分类在情感分析、舆情分 疫情情况的评论信息，动态地把握本地区居民的情绪， 析、垃圾邮件过滤等领域内有着广泛的应用，怎样从非 进而采取不同的措施进行疫情防护，高效率地战胜疫 结构化的文本中提取出有效的信息在学术界以及工业 情。当多分类任务变为二分类时，这样的任务成为情感 界受到越来越多学者的关注。 分析，电商网站运营人员可以依据相关产品的评论信 作者简介：杨兴锐（1995—），男，硕士研究生，CCF 会员，主要研究方向为深度学习、自然语言处理，E-mail：bestdraven.******@fox- ；赵寿为（1982—），女，副教授，硕士生导师，主要研究方向为商务统计学、量子控制；张如学（1996—），男，硕 士研究生，主要研究方向为机器学习、优化设计；杨兴俊（1994—），男，硕士研究生，主要研究方向为机器学习、社保精 算；陶叶辉（1996—），男，硕士研究生，主要研究方向为机器学习与商务统计学。 收稿日期：2021-04-25 修回日期：2021-09-07 文章编号：1002-8331（2022）03-0172-09杨
