循环神经网络在许多NLP任务中都取得了巨大的成功。但是，由于具有循环结构，因此它们很难并 行化，因此训练RNN需要很多时间。在本文中，我们介绍了切片循环神经网络（SRNN），可以通过将 序列分成许多子序列来并行化。 SRNN具有通过很少的额外参数通过多层获取高级信息的能力。我们证 明了使用线性激活函数时，标准RNN是SRNN的特例。在不更改循环单位的情况下，SRNN的速度是标 准RNN的136倍，当我们训练更长的序列时，甚至可以更快。在六个大型情感分析数据集上进行的实验表明，SRNN比标准RNN