TextCNN

TextCNN

在2014年，美国纽约大学的Yoon Kim提出了一种TextCNN模型，把卷积神经网络（CNN）用于文本分类，利用多个不同大小的卷积核来提取文本中的特征，从而能够更好地捕捉局部的相关性。论文地址：Convolutional Neural Networks for Sentence Classification
1、网络结构

模型结构是CNN结构的一个微小变体。设为句子中第$i$个单词对应的k维单词向量。长度为$n$的句子（在必要的地方进行填充）表示为：

其中，$⨁$是连接操作。$x_{i:i+j}$表示单词$x_i,x_{i+1},...x_{i+j}$的连接。一个卷积操作对应一个卷积核$w\in {\mathbb{R}}^{hk}$，通过这个卷积核对h个单词进行卷积产生新的特征$c_i$。$c_i=f(w\cdot x_{i:i+h-1}+b)$。$b\in \mathbb{R}$是一个偏置项，$f$是一个非线性函数，如双曲正切。卷积核被用于句子 { x 1 : h , x 2 : h + 1 , . . . , x n − h + 1 : n } \{x_{1:h},x_{2:h+1},...,x_{n-h+1:n}\} {x1:h​,x2:h+1​,...,xn−h+1:n​}中每个可能的单词窗口来产生feature map $c=[c_1,c_2,...,c_{n-h+1}]$，$c\in {\mathbb{R}}^{n-h+1}$。然后，在feature map上应用一个max-over-time池操作，并将最大值 c ^ = m a x { c } \hat{c} = max\{c\} c^=max{c}作为对应于此特定卷积核的特性。其思想是捕获最重要的特性，并为每个特征图获取值最高的特征。这个合用方案自然处理可变的句子长度。模型使用多个卷积核(具有不同的窗口大小)来获得多个特征。这些特征形成倒数第二层，并传递给一个全连接的softmax层，其输出是标签上的概率分布。
TextCNN的详细原理

TextCNN详细过程：

Embedding：第一层是图中最左边的7乘5的句子矩阵，每行是词向量，维度=5，这个可以类比为图像中的原始像素点。
Convolution：然后经过 kernel_sizes=(2,3,4) 的一维卷积层，每个kernel_size 有两个输出 channel。
MaxPolling：第三层是一个1-max pooling层，这样不同长度句子经过pooling层之后都能变成定长的表示。
FullConnection and Softmax：最后接一层全连接的 softmax 层，输出每个类别的概率。

通道（Channels）：

图像中可以利用 (R, G, B) 作为不同channel；
文本的输入的channel通常是不同方式的embedding方式（比如 word2vec或Glove），实践中也有利用静态词向量和fine-tunning词向量作为不同channel的做法。

一维卷积（conv-1d）：

图像是二维数据；
文本是一维数据，因此在TextCNN卷积用的是一维卷积（在word-level上是一维卷积；虽然文本经过词向量表达后是二维数据，但是在embedding-level上的二维卷积没有意义）。一维卷积带来的问题是需要通过设计不同 kernel_size 的 filter 获取不同宽度的视野。