基于神经网络的方法在多种自然语言处理任务中取得了显著进展。然而，在大多数先前的研究中，模型是根据单任务监督目标进行学习的，这往往导致训练数据不足的问题。本文采用多任务学习框架，联合学习多个相关任务。基于循环神经网络（Recurrent Neural Network），我们提出了三种不同的信息共享机制，通过特定任务层和共享层来建模文本。整个网络在所有这些任务上进行联合训练。在四个基准文本分类任务上的实验表明，我们提出的方法可以通过其他相关任务的帮助提高某一任务的性能。