自然语言处理实战——卷积神经网络（CNN）

---

前言

前文表述过语言的意义隐藏在文字的背后，蕴藏在形成词的特定组合意图和情感中。
在感知机逐渐发展为前馈网络（多层感知机）的过程中，原本设计神经网络的最初目的是作为一个学习量化输入的机器，而神经网络已然由处理分类、回归问题演变到生成新文本的任务了。

一、卷积神经网络是什么？

神经网络是什么？
先解决这个问题：就像是阿凡达丛林中各种轴突树突之间的关系，经过训练过程可以不断优化得到训练结果的参数集合。
卷积神经网络：顾名思义，多了一个卷积，而卷积是什么？可以称为滤波器、卷积核、特征检测器。可以理解为一直卷一直求积，这也是卷积核计算的原理，至于这种原理可以在基础课本中看到具体的运行机制。

二、卷积神经网络的细节。

1.构建块

被卷积的原始输入，我理解的。

2.步长

卷积核一次移动的距离

3.卷积核的组成

权重+激活函数（RELU）

4.填充

某一向量过长或者过短导致矩阵长短不一，故需要填充null或者0

5.学习

权重不断更新的过程
分类器根据各个输入数据，从期望标签中获得一定的误差值，并通过激活函数将输入数据反向传播给卷积核。对于误差值的反响传播，计算误差对输入权重的导数。

6.窗口

如何滑动窗口对模型本身没有影响，保证按照与窗口在输入上的位置相同的方式重构输出即可。

三、卷积神经网络的流程

1.准备数据