1、数据集：
(1) 数据集来源：今日头条中文新闻（文本）分类数据集
(2) 数据集说明参考：https://github.com/fate233/toutiao-text-classfication-dataset
2、数据集处理：
(1) 说明：14分类，完整数据集每类2w数据
(2) 输入原始数据集：labeled_toutiao_cat_data.txt
(3) 代码：word2vec/handle_data.py
(4) 生成数据 handled_data/seg_pure_data.txt
3、训练词向量：
(1) 输入处理后数据：seg_pure_data.txt
(2) 代码：word2vec/word2vec_model.py
(3)训练后model：save_model/word2vec.model saved_model/word2vec.txt
4、textCNN训练：
(1)小数据集：python text_cnn.py 0
(2)完整数据集：python text_cnn.py 1
5、结果：
train: loss: 0.5536235570907593, acc: 0.8205128205128205, precision: 0.7136054421768707, recall: 0.6882456828885399, f_beta: 0.6967303093486196
（1）数据存在分类模棱两可的情况：即分到哪一类都太合适的情况
（2）数据采用char级别训练可能效果更好
（3）其他，blablablablablabla 待研究
参考：
http://www.wildml.com/2015/12/implementing-a-cnn-for-text-classification-in-tensorflow/
https://www.cnblogs.com/jiangxinyang/p/10207273.html
shout to 以上大佬s
peace & love