深度学习之循环神经网络（1）序列表示方法序列表示方法2. 预训练的词向量
深度学习之循环神经网络（1）序列表示方法序列表示方法Embedding层2. 预训练的词向量前面的卷积神经网络利用数据的局部相关性和权值共享的思想大大减少了网络的参数量，非常适合于图片这种具有空间（Spatial）局部相关性的数据，已经被成功地应用到计算机视觉领域的一系列任务上。自然界的信号除了具有空间维度外，还有一个时间（Temporal）维度。具有时间维度的信号非常常见，比如我们正在阅读的文本、说话时发出的语音信号、随着时间变化的股市参数等。这类数据并不一定具有局部相关性，同时数据在时间维度
