我正在处理一个分类问题，其中数据点包括顺序（时间序列）数据和“静态”特征 - 不会改变的属性。类比可以是由一个句子组成的数据点，其中单词是顺序数据，以及“静态”信息，例如谁写了这个句子，它在什么样的出版物中，等等。

我知道在 NLP 中，如果我们将文本作为单词包或 n-gram 处理，我们可以包含这些，在这种情况下，特征数量是恒定的，但我想将“句子”作为序列处理HMM 的方式。

为此一般使用哪些模型或模型类型？我知道 HMM、RNN 和其他仅处理序列的模型，显然大多数基本的 ML 分类器都可以处理静态特征，但我似乎找不到任何关于组合它们的信息。我想也许我只是没有使用正确的术语进行搜索。不过，这似乎是人们经常想要做的事情。

使用某种集成方法是常见的做法吗？如果是这样，我不确定加权将如何起作用。