文本分类embedding卷积的提问
来源:7-5 基于CNN的文本分类模型(TextCNN)
O_O_似水流年_O_O
2019-05-28
老师上面我有三个问题
第一个问题:对于上图的embedding=6的通道数目,是不是卷积核的宽度必须是6呢,即我可以选择26,36的卷积核,但是老师有说过,在每一个通道上面做卷积,那通道在这边理解为是1列,这样怎么做的起来的?
第二个问题:左边途中的纵向深度代表了是什么意义
第三个问题:我下面途中有自己目前对CNN的卷积的理解,请教下,在上面第一点的理解基础上这么理解正确吗
写回答
1回答
-
正十七
2019-06-09
同学你好,
第一个问题:embedding=6的时候或者不管embedding等于多少,这里的卷积核的宽度都是1,因为它是一维卷积,embedding=6,说明这个一维卷积是有6个输入通道,然后每个通道上卷积和embedding去做点积然后相加。在这里,需要注意,很容易把这个一维卷积理解成宽度是6的二维卷积,但其实不是。
第二个问题,左边图中纵向深度代表的是不同的文本特征,这是CNN文本分类论文中的一个改进,用了一些其他的方式对文本做了另一种表达。你可以先把纵向当做只有一个。
第三个问题,同1,不是二维卷积,而是一维多通道卷积。
00
相似问题