要点：把文本句子切成一样的大小，小句子做padding，大句子做截断
一维卷积：（1）应用在时间维度上（2）Embedding长度就是通道数目（3）多种层次的卷积核
CNN不能完美解决序列式问题原因就是滑动窗口的影响，而LSTM能提取更长的依赖。
双向RNN能增强效果。CNN模型并行程度高，更快
embedding模型压缩
R-CNN文本分类模型（1）双向RNN提取特征（2)CNN进一步提取（3）Max-pooling(4)全连接层
Embedding压缩：层次参数过多，无法实用，过拟合。
方法：将一位变成二维，共享参数（理解成二进制两位数位表示四位）