版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/hao5335156/article/details/84890802
1.数据
以某一双鞋子为例，评论结果作为标签（2分类：好评，差评）
【穿了一段时间，不错，喜欢的下单吧；好评】
【鞋子收到了，不是很满意。没有吊牌，一直都是还是只有我这一双是；差评】
数据处理步骤：
把所有评论数据集分词，去除停用词，然后构建word2index，然后表示“句子”，以“穿了一段时间，不错，喜欢的下单吧”为例子，分词后为【穿了/一段/时间/，/不错/，/喜欢/的/下单/吧】,则表示成【2/3/677/89/…】等等，这里句子长度为10，如果某个词作为停用词去掉，比如“的”，则在词汇表中映射不到index，用某个数字比如“0”填充。这里不需要每个句子的长度都统一固定。因为Embedding层能处理。
2.Embedding层的处理
Embedding层把“数据处理步骤”后得到的评论表示【2/3/677/89/…】重新解析为one-hot的表示形式，如果【2/3/677/89/…】的长度为46，则表示为【46 x 词汇表长度】，Embedding层的输入为（词汇表长度）个神经元，输出为（向量的表示长度，假设是128）个神经元，这里的Embedding层只有weight，没有bias。即【46 x 词汇表长度】则代表有46条数据，输入Embedding层，最终的输出为【46 x 128】。
3.CNN_Text 层
假设一条数据的句子长度为46，向量的表示长度128，则Embedding层的处理之后有46*128的一张“图”。
注意：假如下一条数据长度不是46，比如是68，则也是经过这个网络。所以，不需要固定句子长度。
参考
1.代码
2.《Convolutional Neural Networks for Sentence Classification》