一维卷积在以下几个方面能取得很好的效果：
Analysis of a time series of sensor data.
Analysis of signal data over a fixed-length period, for example, an audio recording.

一维卷积核二维卷积的区别

从上图可以理解卷积核处理的顺序或者前进方向不相同。
一维卷积提取固定长度信号的特征，一个卷积核通常覆盖一段完整的信号。上面左图中是使用1D CNN处理文本。这里的文本已经通过embeding，转为词向量。每个单词由一个n维的行向量表示。例子中的一个句子最终的使用词向量表示时的维度为9xn。使用1DCNN时，卷积核不是通常用的3x3, 5x5，而是2xn，使用这样的卷积核实为了使得一个卷积核至少包含一个完整的单词，而不是像3x3, 5x5只提取局部的信息。

下面的图更加详细地讲解了1DCNN如何处理文本：

图没找到出处。
发现一篇更加详细介绍：一维CNN

还有一个例子同上：

图出自 Yoon Kim的论文(2014 EMNLP) Convolutional Neural Networks for Sentence Classification。其他人在知乎专栏上有详细的分析。