VDCNN 是由 Conneau et al.(2016, 臉書AI實驗室 FAIR)在 Very Deep Convolutional Networks for Text Classification 提出，作為當時CNN往NLP發展的學術里程碑，展現更深的CNN網路也能達成不俗的文本分類能力。
網路概念
當時NLP領域基本上被RNN家族及詞向量語言模型佔據，而CharCNN在這之中嶄露頭角，同時ResNet在深度上的強化取得領域上的突破，因此有了加深版本的VDCNN。
網路結構
結構上與charCNN相同，同樣以character level的細粒度，收集ngram的整合特徵，除了多個小小的embedding layer，也許是為了能更快豐富特徵空間吧。
※ 論文中的temporal conv是指Conv1d，不是TCN的causal convolution。
資料集
AG News，AG是作者的名字，收集超過2000個新聞來源的多分類資料集，在torchtext共收錄四類，全球、運動、商業、科學。
評估
測試準確度達到85%，模型大小為64MB，儘管embedding參數減少，CNN的參數仍然很多。
