第十三讲：textcnn做文本分类任务，基于论文：Relation_Classification_via_Convolutional_Deep_Neural_Network

1. 小序

  本章从真实的论文场景出发，使用TextCNN(tf.nn.conv2d)进行实战，本次实战将之前章节所讲的模型保存、tf_record、tf.summary等都进行了应用。可以将三个脚本保存下来，此后的代码讲解基本都采用这种构造，

2. 论文简述

• 该论文是一篇关系抽取的论文，模型主体框架是TextCNN。关系抽取属于信息抽取的一个子领域。
• 信息抽取简介：
  • 信息抽取（information extraction）即从自然语言文本中，抽取出特定的事件或事实，帮助我们将海量内容自动分类、提取和重构。这些信息通常包括实体（entity）、关系（relation）、事件（event），实体对应了命名实体识别的任务，关系对应关系抽取任务，事件对应事件抽取任务。例如从新闻中抽取事件、地点、关键人物、或者从技术文档中抽取产品名称、开发事件、性能指标等。
  • 信息抽取主要包含三个子任务：
    • 实体抽取与链指：即命名实体识别，识别出句子中的实体，如“刘恺威和杨幂夫妻离婚了”中，实体有刘恺威、杨幂
    • 关系抽取：即通常说的三元组抽取（spo