本文通过实例介绍如何在自然语言处理(NLP)任务中使用卷积神经网络(CNN)。对于一个包含十个单词的句子，如果使用100维的词嵌入，则输入将是一个10x100的矩阵。不同于视觉任务中过滤器滑过图像局部区域的方式，在NLP中我们通常让过滤器滑过整个词矩阵的行。因此，过滤器的宽度通常与输入矩阵的宽度相同。
参考链接1中：
For a 10 word sentence using a 100-dimensional embedding we would have a 10×100 matrix as our input. That’s our “image”.
In vision, our filters slide over local patches of an image, but in NLP we typically use filters that slide over full rows of the matrix (words). Thus, the “width” of our filters is usually the same as the width of the input matrix.
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
