遞歸神經(jīng)網(wǎng)絡(luò)（recursive neural network）是具有樹狀階層結(jié)構(gòu)且網(wǎng)絡(luò)節(jié)點按其連接順序?qū)斎胄畔⑦M行遞歸的人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN），是深度學(xué)習(xí)（deep learning）算法之一 [1] 。 遞歸神經(jīng)網(wǎng)絡(luò)（recursive neural network）提出于1990年，被視為循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrent neural network）的推廣 [2-3] 。當(dāng)遞歸神經(jīng)網(wǎng)絡(luò)的每個父節(jié)點都僅與一個子節(jié)點連接時，其結(jié)構(gòu)等價于全連接的循環(huán)神經(jīng)網(wǎng)絡(luò) [2] 。遞歸神經(jīng)網(wǎng)絡(luò)可以引入門控機制（gated mechanism）以學(xué)習(xí)長距離依賴 [2] 。 遞歸神經(jīng)網(wǎng)絡(luò)具有可變的拓?fù)浣Y(jié)構(gòu)且權(quán)重共享，被用于包含結(jié)構(gòu)關(guān)系的機器學(xué)習(xí)任務(wù)，在自然語言處理（Natural Language Processing, NLP）領(lǐng)域有受到關(guān)注