论文复现：用 CNN 进行文本分类

前一篇文章中我们学习了 CNN 的基础结构，并且知道了它是计算机视觉领域的基础模型，其实 CNN 不仅仅可以用于计算机视觉，还可以用于处理自然语言处理问题，今天就来看看如何用 CNN 处理文本分类任务。

文本分类就是根据文本的内容给句子或者文档打标签分类别，是自然语言处理领域中很基础的应用，前面学过的情感分析和垃圾邮件识别都属于文本分类任务。再比如主题标签、语言检测、意图识别，这些也都在社交媒体分析、品牌监测、客户服务上有广泛的应用。我们平常遇到的数据有 80% 是非结构化数据，而文本数据是最常见的类型之一，如果能够将社交媒体上的、网页上的、聊天对话中的有用信息提取出来，那么会带来很高的应用价值。

既然是分类问题，那么在情感分析那一章中提到的很多算法都是可以尝试的，Naive Bayes、Support Vector Machines、RNN，还有今天要讲的 CNN。

CNN 在处理文本任务上有什么优势

前面一篇文章中我们介绍了 CNN 的基础，在 NLP 领域中 CNN 比较适合分类任务，因为将卷积用于文本任务可以保持数据的空间特征，相比而言，对于 POS 这种需要局部信息的任务简单的 CNN 就不会有很大优势。

对于分类任务，例如在一个情感分析任务中，有这样两句话：

• I like the movie, not too bad
• I did not like the movie, bad

假设卷积窗口长度为 5，则第一句话的卷积窗口经过的区域是：

• [I, like, the, movie, ',']，这句话大概率会被识别成情感标签为正
• [like, the, movie, ',', no