关于神经网络中文本数据输入问题与解决方案

‘在19年的博文中我曾经非常粗浅的提及CNN中文本数据输入的问题，接下来我将提出我的思路与解决方案，仅供各位参考！’

神经网络中解决文本数据输入的必要性

相比于CNN中常用的图片数据，文本数据的优点在于：

1. 文本数据可解决浮点型数值的存储，如0.1123818等float32算术类型的存储，而图片如JPEG、PNG等职能存储整型数据，只有TIF图片可存储浮点型数据。
2. 文本数据可解决多通道、多变量数据的存储，当研究过程中需要考虑的变量大于3或4时，单通道或三通道的图片数据即不能直接解决数据的存储，网上大多推崇TIF格式图片存储，但我并没有找到直接的内容（可能是我查找还未能深入）

同样，文本数据的缺点也十分明显：

1. 神经网络多对具Batch_size的样本训练，即每次需要对多个样本同时训练学习（这里便不陈述“在线学习”的缺点了），而网上资源如tfrecords、lmdb等多是对整型图片数据制作相应的训练样本格式，使得神经网络能够一边读取数据一边训练，提高内存利用率

拟解决问题

将多变量的浮点型文本数据制作为合适的训练样本，从而输入神经网络进行训练

解决思路

1. 通过主成分分析，将多变量降维（但是很明显在预处理阶段便损失了数据信息，且仍然不能解决浮点型问题，因此划分为最次的解决方案）
2. 将数据以正态分布或其他分布拉伸为多变量整型数据（仍然会损失原始信息）
3. 将数据直接存储如float32位的TIF图片中，制作为tfrecords格式后，在神经网络输入层，增加一个tf.reshape,将其重构为我们需要的多通道格式

当然上述方法仅仅是我自己的一点外行人的思考，存在些许问题，在很多领域可能有更好的解决方案，也希望有人能不吝告知！