تم إثبات أن نماذج الشبكات العصبية قادرة على تحقيق أداء ملحوظ في نمذجة الجمل والوثائق. تعتبر الشبكة العصبية التلافيفية (CNN) والشبكة العصبية المتكررة (RNN) من الأطر الرئيسية المستخدمة في مثل هذه المهام، والتي تعتمد طرقًا مختلفة تمامًا لفهم اللغات الطبيعية. في هذا العمل، نجمع بين نقاط القوة لكل من هذين الإطارين ونقترح نموذجًا جديدًا ومتكاملًا يُسمى C-LSTM لتمثيل الجمل تصنيف النصوص. يستخدم C-LSTM الشبكة العصبية التلافيفية (CNN) لاستخراج سلسلة من تمثيلات العبارات ذات المستوى الأعلى، والتي يتم تغذيتها إلى شبكة عصبية متكررة ذات ذاكرة طويلة قصيرة المدى (LSTM) للحصول على تمثيل الجملة. يمكن لـ C-LSTM التقاط خصائص محلية للعبارات وكذلك دلالات الجملة العالمية والزمنية. قمنا بتقييم الإطار المقترح في مهام تصنيف المشاعر وتصنيف الأسئلة. تظهر النتائج التجريبية أن C-LSTM يتفوق على كل من CNN و LSTM ويمكنه تحقيق أداء ممتاز在这项任务中 (in these tasks).请注意，最后一句中的“在这项任务中”被翻译为“في هذه المهام”，以保持与前文的一致性和准确性。如果您希望保留“这项任务”（هذه المهمة），也可以根据上下文进行调整。