1.資料

以某一雙鞋子為例，評論結果作為標籤（2分類：好評，差評）
【穿了一段時間，不錯，喜歡的下單吧；好評】
【鞋子收到了，不是很滿意。沒有吊牌，一直都是還是隻有我這一雙是；差評】
資料處理步驟：
把所有評論資料集分詞，去除停用詞，然後構建word2index，然後表示“句子”，以“穿了一段時間，不錯，喜歡的下單吧”為例子，分詞後為【穿了/一段/時間/，/不錯/，/喜歡/的/下單/吧】,則表示成【2/3/677/89/…】等等，這裡句子長度為10，如果某個詞作為停用詞去掉，比如“的”，則在詞彙表中對映不到index，用某個數字比如“0”填充。這裡不需要每個句子的長度都統一固定。因為Embedding層能處理。

2.Embedding層的處理

Embedding層把“資料處理步驟”後得到的評論表示【2/3/677/89/…】重新解析為one-hot的表示形式，如果【2/3/677/89/…】的長度為46，則表示為【46 x 詞彙表長度】，Embedding層的輸入為（詞彙表長度）個神經元，輸出為（向量的表示長度，假設是128）個神經元，這裡的Embedding層只有weight，沒有bias。即【46 x 詞彙表長度】則代表有46條資料，輸入Embedding層，最終的輸出為【46 x 128】。

3.CNN_Text 層

假設一條資料的句子長度為46，向量的表示長度128，則Embedding層的處理之後有46*128的一張“圖”。

注意：假如下一條資料長度不是46，比如是68，則也是經過這個網路。所以，不需要固定句子長度。

參考
1.程式碼
2.《Convolutional Neural Networks for Sentence Classification》