由于其在时间上具有优越的序列信息保存能力，长短期记忆网络（Long Short-Term Memory, LSTM）——一种计算单元更为复杂的递归神经网络——已经在多种序列建模任务中取得了显著成果。迄今为止，唯一被探索的LSTM底层结构是线性链。然而，自然语言表现出句法特性，这些特性会自然地将单词组合成语块。我们引入了树形LSTM（Tree-LSTM），即将LSTM推广到树形结构的网络拓扑。在两个任务上，树形LSTM的表现优于所有现有系统和强大的LSTM基线模型：预测两个句子的语义相关性（SemEval 2014，任务1）和情感分类（斯坦福情感树库）。