CNNで自然言語処理をできる原理が理解できない

Question

CNNで自然言語処理をできる原理が理解できません。
one-hotなどで文章を0/1で表し、その0/1で表現したものをmax-poolingなどで畳み込み学習させる、と言う一連の流れはわかるのですが、なぜ文章を学習できるのかその原理がわかりません。
画像がCNNで学習できる理由はわかります。なぜ文章もCNNで学習できるのでしょうか？

Answer 1

Convolutional neural networkはconvolutionをするので、空間的な局所構造に対応できるから使われているのではないでしょうか？例えば生の文章は１次元の空間で、基本的には局所的に読めば文章は理解できるように書かれているはずです。

Answer 2

自然言語処理における畳み込みニューラルネットワークを理解するが理解の助けになるかと思います。
NLP CNN 原理で検索して最初に出てきたページです。
CNNもNLPの知識もほぼありませんし、流し読みした程度ですが、丁寧で分かりやすい記事かと思います。

Answer 3

文書も画像も、コンピューターからすれば同じデータの羅列です。「機械学習」は、本質的には「大量の学習データと照らし合わせて、入力から出力データを補完する」技術なので、それが文章だろうが画像だろうが、何も変わるところはありません。

画像がCNNで学習できる理由はわかります。なぜ文章もCNNで学習できるのでしょうか？

なら、「文章をビットマップ画像に変換して」学習させる、という形なら文句は出ないでしょうか。

Answer 4

単に、NLPで古典的に使われていたn-gram系のモデル（HMMだったりCRFだったり）とおおむね同じように情報を扱える、ということなのでは。