LSTM是RNN的一种版本，它的特点是具有时间循环结构，可以很好地刻画具有时空关联的序列数据，包括时间序列数据(气温、车流量、销量等)、文本、事件(购物清单、个人行为)等等。可以这样简单地理解LSTM：它是一种基于神经网络的自回归模型。

在自然语言处理领域，大家经常用LSTM对语言建模，即用LSTM提取文本的语义语法信息，然后和下游模型配合起来做具体的任务，比如分类、序列标注、文本匹配等等。