基于注意双向GRU的字符篡改新闻分类

Question

我有一个相当小的体育新闻文章语料库（大约10000篇），我试图将新闻文章分为与板球相关的文章、与足球相关的文章等子类别

我试图获得比标准基线方法（带CRF的LSTM，双向LSTM）更好的精度。我在考虑基于（https://www.sciencedirect.com/science/article/pii/S0925231219301067）的字符级扩展实现双向LSTM或GRU

你认为这是前进的正确方向吗？在研究过程中，我了解到字符级的嵌入比单词级的嵌入效果更好，这取决于数据集（https://forums.fast.ai/t/when-are-character-embeddings-better-than-word-embeddings-and-vice-versa/3551/3）

它是否也适用于新闻文章领域？我可能需要自己做这个实验，但在开始之前我需要一些建议