我们报告了一系列实验，这些实验使用在预训练词向量基础上训练的卷积神经网络（CNN）进行句子级别的分类任务。实验结果表明，一个简单的卷积神经网络在多个基准测试中表现出色，即使在超参数调整较少且词向量固定的情况下也是如此。通过微调学习任务特定的词向量可以进一步提高性能。此外，我们提出了一种对模型架构的简单修改，以允许同时使用任务特定的词向量和静态词向量。本文讨论的卷积神经网络模型在7项任务中的4项上超越了现有最佳水平，这些任务包括情感分析和问题分类。