如何使用word2vec和keras CNN（2D）做文本分类？

Question

有没有 word2vec 的 Convolution1D 示例 https://github.com/fchollet/keras/blob/master/examples/imdb_cnn.py。

目前正在使用gensim训练word2vec模型

我想用word2vec和keras cnn(二维不是一维)做文档分类(中文文本)。学习了cnn中文本分类的基本流程，想做个测试

例如（我想象的步骤）：

使用好的Cinese Tokenized Text Set训练word2vec模型

model = gensim.models.Word2Vec(new_sentences, workers=10, size=200, min_count=2)

将我的句子数据集标记为单词列表数据集（最长的句子超过 8000 个单词，最短的句子少于 50 个）
```
1     ['你们', '好', '今天', '天气', '真', '好']
2     ['嗯', '对的']
...
9999  ['好', '就', '这样']
```

使用一种方法将单词列表数据集转换为word2vec数据集

通过训练好的模型将每个句子中的每个单词转换为 vec。

1     [[word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200]]
2     [[word2vec size=200], [word2vec size=200]]
...
9999  [[word2vec size=200], [word2vec size=200], [word2vec size=200]]

填充word2vec数据集（大小为200的零数组）

1     [[word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200]]
2     [[word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200]]
....
9999  [[word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200], [word2vec size=200]]

转到CNN（使用Convolution2D）

找了半天，没找到第3步的方法（第3步之后，第5步的参数和图层设置也很难看懂）。

Answer 1

将单个句子转换为二维向量

假设你有一个单词列表和一个你可以做的模型：

import numpy as np
sentence_vec = None
for word in sentence:
    word_vec = np.expand_dims(model[word], axis=0)
    if sentence_vec is None:
        sentence_vec = word_vec
    else:
        sentence_vec = np.concatenate((sentence_vec, word_vec), axis=0)

至于第 5 步 - 如果您列出您遇到的问题，将会很有帮助。基本上你只需要做的就是将两个 1D 操作（Convolution1D，GlobalMaxPooling1D）更改为它们的 2D counter-parts .

如何使用word2vec和keras CNN（2D）做文本分类？

How to use word2vec with keras CNN (2D) to do text classification?

neural-network

gensim

word2vec

deep-learning

keras

例如（我想象的步骤）：