TextCNN简介与应用
1.基本原理介绍
TextCNN常用来做短文本的分类问题，其基本网络结构如下图所示：
从上图不难看出，TextCNN主要包括嵌入层、卷积层、池化层和全联接softmax层：
- Embedding：这一层是图中最左边的7乘5的句子矩阵，高为句子中单词的个数，宽为词向量的纬度，这个可以类比为图像中的原始像素点。
- Convolution：这一层经过 kernel_sizes=(2,3,4) 的一维卷积层，每个kernel_size 有两个输出 channel。
- MaxPolling：第三层是一个1-max pooling层，这样不同长度句子经过pooling层之后都能变成定长的表示。
- FullConnection and Softmax：最后接一层全连接的 softmax 层，输出每个类别的概率。
大致过程是：来了一个句子，先根据词向量得到一个二维句子矩阵，然后选择不同的过滤器(大小为filter_size * embedding_len)进行卷积操作得到多个feature map, 对每个feature map进行最大池化操作，进而将其拼接起来，最后经过softmax全联接层进行分类。
2.应用实践
代码下载：基于tensorflow 实现的用textcnn方法做情感分析
（1）核心代码解析
（2）运行出现的错误：
ModuleNotFoundError: No module named 'word2vec'
FLAGS._parse_flags()报错AttributeError:_parse_flags
参考