CNN文本分类原理讲解与实战

前言

卷积神经网络主要用来做图片分类、目标检测等图像相关的任务，这篇文章介绍了它在NLP中的应用：文本分类。本文先介绍了CNN，然后分析了CNN为什么能用在NLP中，最后讲解了Yoon Kim (2014)提出的CNN文本分类模型，代码见github。

---

什么是卷积

简单介绍一下卷积运算，卷积运算作用就是用滤波器来学习或者检测图片的特征。

看上图，左边是一张5×5的黑白图片，现在是矩阵的形式，每个格子代表一个像素点。中间的3×3的矩阵叫做滤波器，也可以叫做卷积核。 星号代表的就是卷积运算，用滤波器对左边的图片做卷积运算，得出3×3的矩阵。具体怎么算呢？ 先说结果的第一个元素：就是用滤波器，覆盖在图片的左上角，对应的每格元素相乘，得到9个数字，最后把这9个数字相加，就得到了第一个元素。 滤波器在图片上左移一格，再计算就得到了第二个元素，之后的元素同理。

卷积公式如下，其中$S$代表运算结果，$I$是原始图片，$K$是卷积核，$m$、$n$是卷积核的高和宽，括号中的两个值代表元素的位置：
$$S(i,j)=(I\ast K)(i,j)=\sum _m$$