对于自然语言处理问题，短文本分类仍然是研究的热点，在特征稀疏，高维文本数据和特征表示方面存在明显问题。 为了直接表达文本，提出了一种简单而又新颖的变体，它采用单维度低维度。 本文提出了一种基于Densenet的短文本分类模型。 此外，通过Resnet和Densenet之间的concat和平均洗牌操作实现了功能的多样性和重用，从而扩大了短文本功能的选择。 最后，引入了一些基准来评估猎鹰。 从我们的实验结果来看，Falcon方法在各个方面的大多数方面都对最新模型进行了重大改进，尤其是在第一个错误率实验中。 综上所述，Falcon是一种高效且经济的模型，同时需要较少的计算即可实现高性能。