Convolutional Neural Network For Sentence Classification<Yoon Kim>解析(一)

一、代码实现原理解析

二、Twitter文本预处理

三、CNN进行Twitter情感分类实现

众所周知，CNN初始是用在计算机视觉上的，其在图像处理领域取得很好的效果，但是在自然语言处理领域CNN的表现也不俗。CNN在原理方面很多的资料都讲解的很清楚。接下来我将从代码的角度解析其原理。

CNN就是对一个图像采用卷积与采样的策略，将一张图像压缩表示，而不改变其原来的意思。即利用卷积的策略提取特征。

下图表示的是CNN的实现架构。CNN包括原始输入层、卷积层、隐层、softmax层。如下图所示，假设每个batch有20张图，初始图的大小的28*28大小，每个图有一个feature map。 所以下图蓝色的框图中的四维张量表示的是（batchsize，feature map，image_higth，image_width），下图红色框图表示的是卷积过滤器的配置，红色框图中表示的是(FilterSize，feature map,，Filter_higth，Filter_width)。通过多次的卷积与降采样，结果产生一个一维的feature map。然后将产生的这一维特征作为倒数第二层的输入，然后将倒数第二层的输出送入softmax层进行分类。非线性层与softmax层组合成MLP多层感知机。