这节课咱们来看一下怎么样把卷积网络应用到一个文本分类任务当中 ，可能啊 ，大家一听这个卷积神经网络 ，觉得他只能去做图像 ，要不就做视频 ，其实啊 ，不仅如此 ，卷身网络也能应用到一些其他任务当中 ，比如说啊 ，这节课咱们说的诶对文本要进行一些操作 ，那其实呢是这样啊 ，我们在做这个剪辑过程当中啊 ，只有一点要求唉 ，我们希望数据当中有一个通道的感觉 ，就是有一个像是图像当中 ，我们有一个颜色通道 ，那其他任务当中呢 ，其实啊 ，我们也可以自己的去构建咱们的一个输入数据 ，只要输数据啊 ，满足咱们当前所需要的这个矩阵 ，cnn 啊照样能玩儿啊其他数据的 ，然后呢一会儿给大家来看一下 ，就是在这个文本分析当中啊 ，我们要做基本上吧 ，要做以下四个点 ，第一点 ，咱们现在拿到文本数据了 ，那首先有问题 ，文本数据啊它可不是图像啊 ，我们是不是得参考的 cn 怎么去处理图像的 ，咱得把这个文本数据处理处理看一看怎么样能够应用到这个卷积网络当中吧 ，所以说第一步唉咱们要把数据啊稍微的作一些处理 ，唉这个其实也是比较难比较简单的 ，然后第二个咱们来构建这个卷积模型之前 ，啊 ，咱们说图像当中啊 ，我说我构建一个卷积 ，要么就是三乘三五乘五的那文本当中呢 ，咱们卷积核是不是得就是得特殊一点儿啊 ，一会儿我们会根据咱们的一个实际文本数据 ，咱们去构造咱们相应的一个卷积核 ，主要是用来处理文本数据的卷积核 ，啊然后第三个 ，那咱们构建完了一个特征图 ，诶那你说一个特征图它有用吗 ，好像来说啊图像当中特征图咱有用 ，那文本当中啊我们得到一个特殊图好像也没什么用 ，是不是 ，大家想一想怎么样把之前用文本对文本数据啊做完卷积之后提示特征 ，咱们接下来再做分类的时候该怎么用起来吧 ，第三点就是怎么样把这个特征咱们用起来 ，最后呢 ，那我们可以构建多种卷积核吧 ，之前原理过程当中啊 ，给大家解释了 ，我们可以构建不同长度大小卷积核 ，表示的是卷积词的个数是不一样的 ，

这回呢 ，咱们还是按照原理当中的操作 ，把这些卷积核 ，不是把这些卷积完之后得到特征 ，咱拼在一起 ，最终呢 ，我说我用一个全阶层来得到一个输入结果 ，是不是可以啦 ，这个是咱一会儿要做的几个点吧 ，A4个步骤 ，一会儿呢 ，咱一步来去看啊第一步导进咱们的工具包 ，这个不说了 ，然后呢接下来咱们来看一下 ，就是我们的数据集啊数据集啊 ，咱还是用那个 ml 诶咱们影评的数据集直接读进来 ，啊之前有下载过了 ，然后这个下一班之后 ，我打印了它的一个数值 ，我们的训练数据啊是有25000条的 ，然后咱们的一个测试数据也是有25000条的这样的一个数据规模 ，