有text_classification.py示例通过两种方法（bow和rnn）对文本进行分类。
我试图了解这里实际发生了什么。首先，让我们看看bag_of_words_model。它运行bow_encoder。通过运行bow_encoder，它定义了图层，并且在梯度下降的每一步中都会不断更新嵌入向量？然后，它平均向量通过W2将其连接到输出。所以这里我们有两个W矩阵。一个是从输入到嵌入层，第二个是从平均向量到输出（这个架构实际上让我想起了word2vec模型）。对？
第二个模型 - rnn_model。它调用embed_sequence，embed_sequence类似于rnn_model，但不是平均嵌入向量，而是将它们连接起来。正确？
我将不胜感激。