请问对于中文长文本分类，是CNN效果好，还是RNN效果好？

两种方法各有所长，如其他答案说的情感分析(虽然对于gru好于cnn不敢苟同，可能对于某个数据集吧，但是分析是认同的。)

对于题主说的新闻分类，可以参考知乎之前的文本分类比赛，是做知乎问题的分类，有参考价值，这种情况局部信息可能更有代表性，比如说到c罗梅西，那么大概率体育足球基本没跑了，所以相对来讲cnn会有优势。另外，犹豫cnn的速度优势，基本比较大的数据上cnn能加大参数，拟合更多种类的local phrase frequency，获得更好的效果。

如果你是想做系统，两个算法又各有所长，就是ensemble登场的时候了。

贴一篇论文吧，作者在论文中详细的介绍了CNN和RNN在NLP各个细分领域的比较结果。

Comparative Study of CNN and RNN for Natural Language Processing

其中，在文本情感分类领域，GRU是要好于CNN的，并且随着句子长度的增长，GRU的这一优势会进一步放大。

结论是：当句子的情感分类是由整个句子决定的时候，GRU会更容易分类正确， 当句子的情感分类是由几个局部的key-phrases决定的时候，CNN会更容易分类正确。

这里文中举了几个例子：

1) Its a movie - and an album - you won't want to miss

这个句子表达的是一个正面的情感，但是CNN会因为 not , miss 这些局部的key-phrases 把它分类成负面的， GRU就不会分类错误。

当然这是是情感分类，只有positive和negative两种， 题注说的 文本分类是多分类吗？