AI MBTI-简答题判型-模型选择

BERT 的特点，是深度捕捉词语间的上下文关联与逻辑关系，精准理解文本完整语义。它能精准识别文本对观点的态度倾向，清晰区分支持、反对等不同立场，区分局部褒贬词汇影响。

TextCNN 的特点，是捕捉不同分类的用词习惯与词组搭配模式。它的分类逻辑，偏向通过识别标志性关键词、差异化词语权重完成分类，对表层用词敏感度较高，不关注词语的深层语义逻辑。

TextCNN原理图

TextCNN（Text Convolutional Neural Network）是一种专门用于文本分类的卷积神经网络。它的核心思想是利用卷积操作提取文本的局部特征，再通过池化层筛选关键信息，最终完成分类任务。

其核心流程包括：

1）词向量嵌入层将文本映射为稠密矩阵。

2）多尺度卷积核（如2-3个词窗口）并行提取局部n-gram特征。

3）最大池化层筛选各通道最优特征。

4）全连接层整合特征并分类。

该模型通过卷积运算捕捉词序局部模式，具有特征提取自动化、计算效率高的特点，在短文本分类任务中表现优异，典型应用包括情感分析、新闻分类等。