本文介绍用于文本分类的各种深度学习方法，包括BOW、CNN、TextCNN、LSTM、BiLSTM、GRU等。

​

text classification: map an input sequence of tokens X to one of k labels.

BOW文本分类

理论

忽略文本的词序、语法和句法，仅仅将其看作是一系列词的集合。文本中每个词独立存在，不依赖于其他词，通过嵌入模型（如word2ve或Glove）学习词向量表示，将嵌入向量的和或平均值作为文本表示，经一个或多个前馈层（多层感知器MLPs）传递，最后使用逻辑回归、朴素贝叶斯或支持向量机等分类器对最终层进行分类。

这种基于前馈神经网络的文本分类模型简单，并且准确率高。

（待续）