1、什么是 seq2seq？

就是字面意思，“句子 到 句子”。比如翻译。

2、seq2seq 有一些特点

seq2seq 的整体架构是 “编码器-解码器”。

其中，编码器是 RNN，并将 最后一个hidden state（隐藏状态）【即：包含了整个句子的所有特征】 作为编码器的输入；解码器使用另一个 RNN 去输出。

编码器-解码器：
输入 → Encoder → 中间状态 → Decoder（← 新输入） → 输出
与一般的模型不同的是，在 Decoder 可能会接受新的输入。
编码器相当于在“提取特征”。解码器相当于“从特征（中间态）还原出输出”

3、训练和预测

稍微看一下，便于更好的掌握seq2seq的工作原理。重点是注意力机制。

3.1 训练

训练的时候，因为知道翻译结果，所以直接使用正确的翻译作为输入（解码器底下一行）。所以即使预测错误（解码器上面那行）也不会影响到输入。

3.2 预测

可以看到，与“训练”不同的是：解码器的输入使用的是上一次预测的结果。

4、引入注意力机制的 seq2seq

4.1 为什么 seq2seq 要引入注意力机制？

因为在翻译中，比如：我们要翻译 “你好 世界” 成 “hello world” ，那么在翻译 “hello” 的时候，应该 针对性地去看 “你好” 相关的信息，而不是 把 “你好 世界” 所有的信息作为输入去处理。

其中，针对性地去看 “你好” 相关的信息 就是注意力机制；
把 “你好 世界” 所有的信息作为输入去处理 就是seq2seq原本干的事：把最后一个hidden state作为解码器的输入。

4.2 如何引入的呢？

• 编码器（左）对每次词的输出作为key和value（key=value）
• 解码器（右）RNN对上一个词的输出是query（为什么是上一次词呢？就是说我现在要找“world”对应中文的相关信息，但是我现在只有hello，因为world还没有翻译出来呢！因为翻译需要输入，而world的输入从下面一点可以得知当前这一步才能拼出来。所以是“上一次词”的输出作为query）
• 注意力的输出和下一个词的embedding 进行cat 作为输入

注意力和query、key、value：
key-value是输入，通过 query **偏向性地选出（即：注意力）**想要的输入