1、Seq2Seq模型 模型功能：输入一个序列，输出一个序列，并且序列的长度是可变的（长度可变这一点是模型的优势，也是为了解决以前深度学习网络输入输出为固定长度的问题） 模型缺点：输入序列会被压缩成固定大小的上下文向量，会丢失部分细节信息，输入的序列越长这个丢失率越大；由于固定大小的上下文向量的限制，模型难以捕捉到输入间的长期依赖关系。 2、Encoder- Decoder模型 Encoder- Decoder模型是Seq2Seq模型的具体实现 3、Attention Attention提出是为了解决Encoder…