通过CNN神经网络实现文本分类

        CNN模型最初是应用在图像识别中的，后由yoonkim将其应用到到NLP文本分类领域中。在接触CNN模型之初，无论是查阅的资料与阅读的论文都是其在图像识别方面的应用。在一次无意的查阅分本分类技术中，看到了CNN模型在NLP领域中的应用。在此分享两个CNN实现文本分类的实例。

      第一个是由CNN文本分类原文Convolutional Neural Networks for Sentence Classification作者是yoonkim，其github地址为yoonkim/CNN_sentence，不过框架是基于theano的。另一位大牛dennybritz在此论文基础上改用tensorflow写的CNN文本分类的代码，并有详细的博客说明Implementing a CNN for Text Classification in TensorFlow，Github地址为dennybritz/cnn-text-classification-tf值得参考。

      第二个是一个简单的用CNN实现的文本分类的例子：Classify Kaggle Consumer Finance Complaints into 11 classes。代码在Github：jiegzhan/multi-class-text-classification-cnn。这个项目就是把客户的投诉分类，一共有11个类。在这个项目里，文本是用Word Embeddings来表示的。

      在后续的文章中，继续解读两个实例中的详细代码。上述的开发语言都是基于python(Life is short, you need Python)。