TextCNN是Yoon Kim在EMNLP 2014提出的一种将CNN应用于文本分类的方法。它通过词嵌入、多尺寸卷积核、Max-Pooling和全连接层提取文本特征，实现句子分类。训练方式包括静态和非静态，推荐使用非静态的fine-tuning。TextCNN虽易并行化，但全局Max-Pooling可能丢失结构信息，后续研究中提出了k-max-polling进行改进。
原文链接：
https://arxiv.org/abs/1408.5882
论文实现：
https://github.com/Shawn1993/cnn-text-classification-pytorch
参考：
https://zhuanlan.zhihu.com/p/54902636
https://www.cnblogs.com/bymo/p/9675654.html
Yoon Kim在Convolutional Neural Networks for Sentence Classification（EMNLP 2014）提出了TextCNN，第一次将卷积神经网络应用于文本分类任务。CNN核心点在于可以捕捉局部相关性，具体到文本分类任务中可以利用CNN来提取句子中类似 n-gram 的关键信息。TextCNN利用多个不同size的卷积核提取句子中的关键信息（类似于多窗口的N-gram模型），使用Max-Pooling选择出最具影响力的高维分类特征，再使用带有Dropout的
最低0.47元/天 解锁文章
扫一扫
1824
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
