卷积神经网络文本输入_使用卷积神经网络进行文本分类

CNN 是卷积神经网络，通常用于图像领域，并且在图像分类取得非常好的效果。2014 年 Yoon Kim 在论文《Convolutional Neural Networks for Sentence Classification》中将 CNN 的思想应用到文本处理中，后续很多把 ConvNet 用在 NLP 任务上的工作都是基于这篇论文进行的。

1. CNN 文本分类模型

本文主要是对原始论文《Convolutional Neural Networks for Sentence Classification》内容的整理，首先了解 CNN 文本分类模型整体结构，下图是论文中的模型图。

CNN 文本分类模型

可以看到模型比较简单，主要分为四个部分：输入层、卷积层、最大池化层、全连接层。

1.1 输入层

给定一个句子，输入层接收的输入是一个句子单词词向量矩阵 X，X 是一个 (n×k) 的矩阵，n 表示句子中单词数量，k 表示词向量维度。可以看到 X 的每一行对应了一个单词的词向量，而单词的词向量按照它们在句子中的顺序进行排列。

1.2 卷积层

在得到输入的词向量矩阵