하지만 이제는 신경망을 통해서 매우 효율적이고 정확하게 문장 분류를 수행할 수 있습니다. RNN을 통해 단어들을 순차적으로 받아 가장 마지막 time-step에서 분류를 예측하기도 하고, CNN을 통해 분류에 중요한 단어들의 조합에 대한 패턴을 감지하기도 했습니다. 여기서 알 수 있듯이, RNN은 대체로 문장 전체의 맥락과 의미에 더 집중하여 분류를 수행하며, CNN의 경우에는 해당 클래스를 나타내는 단어 조합에 대한 패턴의 유무를 가장 중요하게 여깁니다. 따라서 두 방법을 서로 보완하기 위해 조합하여 앙상블ensemble 모델로 구현한다면 훨씬 더 좋은 결과를 얻을수도 있습니다. 이는 저자의 깃허브에서 제공하는 소스 코드에도 구현되어 있습니다. RNN과 CNN을 활용한 분류 모델들은 가장 간단한 구조들이므로, 이를 기반으로 발전한 다른 모델들을 참고한다면 긴 문장이나 어려운 텍스트에 대해서도 더 높은 성능을 얻을 수 있을 것입니다. 다만 신경망을 사용하는 방법이니만큼, 데이터가 매우 적은 상황에서는 한계가 있다는 점도 잊지 말아야 합니다.