第三个任务为colab链接： 第二个任务 cnn模型：

1. Embedding层：

- 输入：整数编码的序列，每个整数代表一个词

- 参数：vocab_size（词汇表大小），embedding_dim（嵌入维度），input_length（输入序列长度）

- 作用：将输入的整数序列转换为密集向量表示

2. 第一个卷积层 (Conv1D)：

- 128个滤波器，每个大小为5

- 激活函数：ReLU

- 作用：提取局部特征

3. 第一个最大池化层 (MaxPooling1D)：

- 池化大小：2

- 作用：降低特征图的空间大小，减少参数数量

4. 第二个卷积层 (Conv1D)：

- 与第一个卷积层结构相同

- 作用：进一步提取更高级的特征

5. 第二个最大池化层 (MaxPooling1D)：

- 与第一个池化层结构相同

- 作用：进一步降低特征图的空间大小

6. Flatten层：

- 作用：将多维输入展平成一维向量，为全连接层做准备

7. 全连接层 (Dense)：

- 128个神经元

- 激活函数：ReLU

- 作用：学习高级特征的非线性组合

8. Dropout层：

- 丢弃率：0.5

- 作用：防止过拟合，提高模型泛化能力

9. 输出层 (Dense)：

- 4个神经元，对应4个类别

- 激活函数：Softmax

- 作用：输出每个类别的概率分布

assignment1