融合移动翻转瓶颈卷积网络与自适应特征通道的胶囊网络的文本分类方法

本发明涉及文本分类方法领域，融合移动翻转瓶颈卷积网络与自适应特征通道的胶囊网络的文本分类方法，所述文本分类方法通过MBConv‑CapsNet模型实现，所述MBConv‑CapsNet模型包括：移动翻转瓶颈卷积模块，用于文本矩阵的预处理，包括标准卷积层、逐通道卷积层、SE网络层以及逐点卷积层；改进的胶囊网络模块，用于文本分类过程，包括N‑gram卷积层、选择性核网络层、主胶囊层、卷积胶囊层和全连接胶囊层，本发明能够充分考虑文本的序列信息、词向量和上下文依赖关系，更有效地捕获文本的局部和全局信息，并减少噪声和冗余信息的影响，将原始文本矩阵转换为更紧凑、更具代表性的特征表示。