Character-level Convolutional Ne

文中指出，在大规模数据集上（尤其是书写不规范的ugc），cnn文本分类问题在char-level同样有很好的效果。
文中alphabet总共有70个char：

alphabet

模型包括6层卷积3层全连接，前两层fc使用了0.5的dropout。

char-cnn

每层细节如下表所示：

输入部分截断到长度为1014，不在alphabet中的词向量置0。

数据增强：近义词替换

评估：

Evaluation