使用RNN和CNN混合的’雞尾酒療法’，提升網絡對文本的識別正確率

前幾節我們詳細研究了GRU和LSTM網絡層，這兩者特點是能夠抓取輸入數據在時間上的邏輯聯繫，因此這兩種網絡特別容易從文本中抓取規律，因爲文本是有一個個單詞依據前後次序連接起來的整體，單詞與單詞之間的連接可以看做是時間上前後相連的組合，因此使用GRU和LSTM構成的網絡來進行文本的情緒分析時，正確率能高達90%。 然而GRU和LSTM網絡存在一個非常嚴重的問題，因爲他們要計算輸入數據的前後關聯，因此

>>阅读原文<<