卷积神经网络与TextCNN进行文本分类

卷积神经网络

• 1. 卷积

  • • 1.1 卷积的定义
    • 1.2 卷积的运算
    • 1.3 卷积神经网络
    • 参考链接：

  • 2. 反卷积（转置卷积）

  • • 参考链接

  • 3. 池化 pooling

  • • 参考链接

  • 4. TextCNN 的原理

  • 5. TextCNN 实现文本分类

    • 5.1 导入数据并分词
    • 5.2 word2vec向量化
    • 5.3 TextCNN
  1. 卷积运算的基本概念及其设计初衷（包括稀疏权重、参数共享以及等变表示特性），涵盖一维与二维卷积操作。
  2. 反卷积运算（tf.nn.conv2d_transpose）。
  3. 池化运算的基本定义、常见类型（如最大池化与平均池化）及其设计目的。
  4. Text-CNN的工作机制与实现方式。
  5. 借助Text-CNN模型完成对文本内容的分类任务。

卷积操作与特征提取

1.1 卷积的定义

我们把(f*g)(x)称为f,g的卷积，其连续形式的定义如下：
S(x)=(f*g)(x)=\int f(\tau)g(x- \tau)d\tau
而离散形式则表示为：
$S(x)=(f*g)(x)=\sum f(\tau)g(x- \tau