TextCNN&TextGCN

TextCNN原理

• 框架图
• $x_i: $ the k-dimensional word vector corresponding to the i-th word in the sentence.
• 向量拼接 $$x_{1:n} = concat(x_i, x_2, ...,x_n)$$
• 卷积操作 $$c_i = f (w \cdot x_{i:i+h-1} + b)$$
• 卷积结果 $$c = [c_1, c_2, c_3, ..., c_{n-h+1}]$$
• max-over-time pooling $$\hat c = max(x)$$
• 这是一个卷积核的结果，实际网络中有256个卷积核和两个通道(static embedding 和 dynamic embedding)

TextGCN原理