首先需要理解N-gram
https://zhuanlan.zhihu.com/p/32829048对于在NLP中N-gram的理解，一元，二元，三元gram
大多数 NLP 任务的输入不是图像像素，而是以矩阵表示的句子或文档。矩阵的每一行对应一个标记，通常是一个单词，但它也可以是一个字符。也就是说，每一行都是代表一个单词的向量。通常这些向量是像 word2vec 或 GloVe 这样的词嵌入（低维表示），但是它们也可以是将单词索引到词汇表中的一个 one-hot 向量。对于使用 100 维嵌入的 10 个字的句子，我们将有一个 10×100 的矩阵作为我们的输入。这就是是我们的“图像”。
在计算机视觉上，我们的过滤器在图像的局部区域上滑动，但是在 NLP 中，我们通常使用滑过整行矩阵（单词）的过滤器。因此，我们的滤波器的“宽度”通常与输入矩阵的宽度相同。对于矩阵的宽度其实就是一个单词转化为的词向量的长度，然后这个滤波器相当于一次遍历多个词向量，而且可以有不同的滤波器。高度或区域大小可能会有所不同，通常使用一次滑动 2-5 个字的窗口。综合以上所述，一个用于 NLP 的卷积神经网络可能看起来像这样
用于句子分类的卷积神经网络（CNN）体系结构图。 这里我们描述了三个过滤器的大小：2,3和4，每个大小都有2个过滤器。 每个过滤器对句子矩阵执行卷积并生成（可变长度）特征映射。 然后在每个特征图上执行1-max池化，即记录来自每个特征图的最大数。 因此，从六个特征图生成一元特征向量，并且这六个特征被连接以形成倒数第二层的特征向量。 最后的softmax层接收这个特征向量作为输入，并用它来分类句子；这里我们假设二进制分类，因此描述了两种可能的输出状态。
CNN的一个重要论点是，它们很快。非常快。卷积是计算机图形的核心部分，并在 GPUs 上的硬件级别上实现。与 n-grams 相比，CNNs 在表达方面也是有效的。有了大量的词汇，计算超过 3-grams 的任何东西都可能很快变得昂贵。即使是 Google 也不提供超过 5-grams 的任何东西。卷积过滤器自动学习好的表征，而不需要表示整个词汇表。我认为，第一层中的许多学习过滤器捕获与 n-gram 非常相似（但不限于）的特征，但是以更紧凑的方式表示它们。