cnn加工是什么意思_CNN多类别文本分类示例

似乎有一个星期没有更新日志了，原因是最近搜集神经网络相关的资料，阅读笔记，内容上没有特别多的心得，业务上最近也没有太多跟技术上相关的工作，而我又对自己写的东西比较洁癖，不喜欢写一堆大家都在说的话来作为我的日志的内容。今天的内容是有关CNN文本分类的代码，这份代码的由来我倒是想多写一写。写书的人，如果发现一段比较好的英文示例代码，请尊重原创作者，把出处写出来，抄不全人家的注释，还不写出处，就不太好了。周末发现了某本书的一段到目前看过的较好的CNN示例代码，注释不全，更不去解释每一段的内容，当然原作者的代码中也没有解释，只不过就是直接抄过来，把部分注释翻译一下就完事。这还算是抄的比较好的，有的书干脆就是从头至尾没啥亮点。每天都在鄙视阿三，人家的书至少没乱抄，国人的。。。不乏有示例代码，但是能把代码每一句所表达意义说清楚的书少。就像之前介绍朴素贝叶斯、支持向量机的书一样，只是把sklearn示例原文或者改一改照搬的很多，真正把每一句意义说清楚的少。论文更是一样，强烈建议核心期刊在录用论文时强制要求提供代码，我想这样是不是也可以杜绝乱写、伪造数据的文章。

总算要说这段代码的出处了。

Using pre-trained word embeddings in a Keras model​blog.keras.io

这篇代码介绍了如何使用预训练的词嵌入向量词典作为嵌入层权重，有关嵌入层的详细细节我也还在研究中。其实应用神经网络的系统，只要问一句就傻，为什么会出这类badcase，这类badcase怎么解决。近半年内，没有意外，都会做角色识别的客串研究，不过看样子应该把客串改为根据自己兴趣了，因为应该我们这儿的学生对这个方向没啥感觉，我倒是挺有感觉。想想当年我的自己的研究内容，其实严格说应该是应用句法分析来解决一点小问题。其实有关NLP的书，不会以研究机器学习方法为重点，但绝不是他们不明白，而是还有很多篇幅要去写语言处理的内容。当然这类书欠缺实践代码，所以大部分从业的人也不去做这些，每天就拿个代码跑一跑了事。既然无事可做，我也不想做，那就琢磨琢磨这些“没用”的研究吧，研究就是研究，当然就有可能啥结果也没有，不妨就抱着没结果去干，是不是有种写小资风格作品的意思。冯的话，要让自己处在边缘生活状态中，才会有好的文字出来。