今天我们来做NLP（自然语言处理）中Sequence2Sequence的任务。其中Sequence2Sequence任务在生活中最常见的应用场景就是机器翻译。除了机器翻译之外，现在很流行的对话机器人任务，摘要生成任务都是典型的Sequence2Sequence。Sequence2Sequence的难点在于模型需要干两件比较难的事情：
- 语义理解（NLU:Natural Language Understanding）：模型必须理解输入的句子。
- 句子生成(NLG:Natural Language Generation)：模型生成的句子需符合句法，不能是人类觉得不通顺的句子。
想想看，让模型理解输入句子的语义已经很困难了，还得需要它返回一个符合人类造句句法的序列。不过还是那句话，没有什么是深度学习不能解决的，如果有，当我没说上句话。
Sequence2Sequence任务简介
Sequence2Sequence是一个给模型输入一串序列，模型输出同样是一串序列的任务和序列标注有些类似。但是序列标注的的输出是定长的，标签于输入一一对应，而且其标签类别也很少。Sequence2Sequence则不同，它不需要输入与输出等长。
Sequence2Sequence算法简介
Sequence2Sequence是2014年由Google 和 Yoshua Bengio提出的，这里分别是Google论文和Yoshua Bengio论文的下载地址。从此之后seq2seq算法就开始不断演化发展出不同的版本
来源：oschina
链接：https://my.oschina.net/u/4370441/blog/4656898