Uma Rede Neural Convolucional (do inglês, Convolutional Neural Network - CNN) é um algoritmo de aprendizado de máquina profundo que pode, a partir dos dados de entrada, atribuir importância (pesos e vieses que podem ser aprendidos) a vários aspectos dos dados e, portanto, obter maior diferenciação. São características da arquitetura das redes neurais convolucionais:
as camadas de convolução realizam extração de características e as camadas de pooling reduzem a dimensionalidade.
as camadas de convolução aplicam dropout para ajustar o formato dos dados para serem processados pelas camadas de pooling.
as camadas de pooling são baseadas em word embeddings dinâmicos, sendo adequadas para processar dados textuais.
as camadas de pooling realizam o fine-tunning para minimizar a função de perda, que mede a diferença entre as previsões do modelo e os rótulos corretos.