文本分类:TextCNN

本文介绍了TextCNN模型在文本分类任务中的实现细节,包括输入向量的构造、卷积层的运用、池化层的选择以及使用softmax进行多分类的损失函数。通过卷积和池化操作,TextCNN能捕获文本中的局部特征并进行分类。
摘要由CSDN通过智能技术生成

目录

一、模型

二、损失函数


一、模型

1、输入向量

是句子中第i个字的k维向量,如果句子有n个字,则句子的向量表示为n个字向量的拼接向量:

2、卷积层

使用长度为h个字符的过滤器f,f是一个非线性函数例如双曲正切tanh函数,获取卷积层特征:

卷积层向量为[c1,c2,c3,...,c(n-h+1)].

3、池化层

池化层的目的是获取过滤器的最重要特征:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值