ty -jour a2 -lv，Zhihan au -sun，ningfeng au -du，du，chengye py -2021 da -2021/06/18 ti-新闻文本分类方法和基于混合深度学习模型SP -8064579 VL -2021 AB -2021 AB -2021 AB -2021 AB- 本文使用数据库作为数据源，使用文献计量学和视觉分析方法来统计分析过去十年来文本分类领域中发布的相关文档，以阐明文本分类字段的开发环境和研究状态，并预测文本分类优先级和研究前沿的研究。基于对在线新闻文本分类的背景，研究状况，相关理论和发展的深入研究，本文分析了年度出版趋势，主题分布，期刊分布，机构分布，作者分布，高度引用的文献分析，和研究热点。前沿和其他方面阐明了文本分类字段的发展环境和研究状态，并为文本分类字段的进一步发展提供了理论参考。然后，根据有关文本分类，深度学习和新闻文本分类理论的系统研究，构建了基于深度学习的网络新闻文本分类模型，并详细介绍了每个模块的功能，这将帮助未来应用和改进的新闻文本分类提供了理论基础。基于前任，本文分别研究并改进了基于卷积神经网络，环状神经网络和注意机制的神经网络模型，并将三个模型合并为一个模型，可以获得一个模型突出关键字的作用。最后，使用实验来验证本文提出的模型的有效性，并与传统文本分类进行了比较，以证明基于本文提出的深度学习的网络新闻文本分类的优越性。 This article aims to study the internal connection between news comments and the number of votes received by news comments, and through the proposed model, the number of votes for news comments can be predicted. SN - 1076-2787 UR - https://doi.org/10.1155/2021/8064579 DO - 10.1155/2021/8064579 JF - Complexity PB - Hindawi KW - ER -