发现问题→分析问题根源→针对性地改进模型。RNN 发现了传统神经网络无法处理时序数据的问题，提出了循环结构来模拟记忆。LSTM 发现了 RNN 梯度消失的问题，提出了细胞状态和门控机制来解决。BiLSTM 发现了单向模型无法利用后文信息的问题，提出了双向拼接的结构。这三个模型层层递进，每一个都解决了前一个模型的核心缺陷。这种 "问题驱动" 的研究思路，值得我们每一个学习者学习。当然，这篇博客只是对