Model：

1、预处理 ，使用word2Vec 进行词向量转换 -> K维的词向量:  ,所以一个句子就是

2、当过滤窗口设为h时，移动窗口设为1时，特征的卷积可变为之后特征便会缩减为

3、她的下一层设为softmax layer 作为分类标签的概率分布

4、特色在于设置了两种词向量，一种是在训练中保持不变，另一种在训练中通过反向传播进行微调

Regularition:

1.在中间层对向量的权重给一个L2范式的约束

2.使用了dropout,Dropout prevents co-adaptation of hidden units by randomly dropping out—i.e., setting to zero—a proportion p of the hidden units during foward backpropagation.

3.drops使用训练，o表示元素相乘,

基于CNN的句子分类