论文地址：https://arxiv.org/abs/1706.03762
讲这个算法呢首先我觉得应该了解到他的优点和解决的问题，为什么有了CNN和RNN等类型的网络Transformer还会火起来，他解决了两个问题：
论文出处: Recurrent Neural Network for Text Classification with Multi-Task Learning
在自然语言处理中，我们的语言序列往往不是孤立的，比如说词性预测，动词后面往往大概率是跟随的是名词，跟随动词的几率会很小，RNN可以很好的处理带有序列的问题，并具有短时记忆能力。
RNN的主要改变是将上一次的激活值a，输入到下次时间步骤中参与计算，下一时刻的计算不仅要考虑输入数据x也要使用上一时刻的激活值a。
当我们训练完一个模型算法后，我们该如何评估模型算法是好是坏呢？在模型评估过程中，往往需要根据具体场景使用不同的指标进行评估，在诸多的评价指标中，大部分指标只能片面的反应模型的一部分性能，如果不能合理的运用评估指标，则可能会得出错误的结论。
论文:Convolutional Neural Networks for Sentence Classification
CNN卷积神经网络原多用于计算机视觉领域，TextCNN针对CNN的输入层做了一些变形，传统的CNN网络相比网络结构上没有任何变化, textCNN 使用一层卷积,一层max-pooling, 最后将输出外接softmax 来多分类。