char-cnn 分类

1 目的和思想

char-cnn 模型的目的：分类
char-cnn 的整体思想：利用字符级别（以70个固定字符，以1014个文本中字符形成的one-hot 矩阵）进行卷积池化全连接，实现分类
模型出自论文：Character-level Convolutional Networks for Text Classification

2 模型原理

模型实现：

1. 建立字符表共70（feature）个字符，将文本以1014（length）的字符进行截断，使每个文本的字符长度均为1014（length），不够的补零，多的去掉，每行以one-hot编码
   1）字符表：abcdefghijklmnopqrstuvwxyz0123456789-,;.!?:’’’/|_@#$%ˆ&*˜‘±=<>()[]{}
2. （卷积）用为7（length）的filter框住文本向量，框住的部分与filter做矩阵计算，得到一个值，依次往下移动
3. （池化）将卷积后的矩阵进行池化，以3（length）变为一个固定长度的矩阵
4. 再依次进行卷积、池化
5. （全连接）把定长的所有矩阵拼在一起，在三次全连接中间加入 dropout 层以实现模型正则化，最后输出类别
   

本文使用的卷积和池化的流程以及全连接：

• Large Feature/Small Feature：卷积核的个数
• 6个卷积层，3个全连接层
• N/A为未使用
  
• Output Units Small：全连接层的输出维度
  

论文中的模型图：

3 char-cnn 总结

char-cnn 和 textcnn不同点在于，char-cnn基于字符，所以它不依靠语义和句法，并且在数据量很大时表现出优越性