关于TextCNN：

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。

关于训练数据：

当前模型训练数据来自往期MBTI互猜问答，分类根据参与者自判。

由于参与互猜的玩家MBTI分布明显不均，某些较少活跃的类型训练数据不足，因此样本分布不均，较少出现的样本容易受到少量参与者个人特点的影响。

因此现阶段只能在你纠结于一些样本数大于300的类型时，起到有限的辅助作用。

训练样本数量如下：

特别提示：

在该版本的模型中，因为数据有限，所以我们将往期互猜的所有回答和MBTI一股脑作为训练样本，根据大家用词习惯（FastText）或语义倾向（TextCNN）来推断结果。也就是说不管你的内容出现在哪个回答里都是相同的结果，尽管如此还是希望你你能够认真表达自己对特定问题的看法，后续数据量足够后我们会根据不同问题分开训练不同框架的模型，将会用到你的数据，也方便你在不同模型发布后一键重测。

小站正在努力收集新的样本，也欢迎推荐你身边的现充朋友来参与互猜活动/本测试，在测试后你可以向我们提交你的自判帮助我们完善模型训练。