参考链接：http://blog.csdn.net/mebiuw/article/details/53341404
http://blog.csdn.net/u014595019/article/details/52826423
http://blog.csdn.net/malefactor/article/details/50550211
多用于NLP领域
什么是encoder-decoder模型？就是编码-解码模型，其实是一个解决问题的框架，主要解决seq2seq类问题，Sequence在这里可以理解为一个字符串序列，当我们在给定一个字符串序列后，希望得到与之对应的另一个字符串序列，比如问答系统，比如翻译系统。
encoder-decoder模型的流程可以理解为“编码--》存储--》解码”这一流程，可以用人脑流程来类比，我们先看到源Sequence，将其读一遍，然后在我们大脑当中就记住了这个源Sequence，并且存在大脑的某一个位置上，形成我们自己的记忆（对应Context），然后我们再经过思考，将这个大脑里的东西转变成输出，然后写下来。那么我们大脑读入的过程叫做Encoder，即将输入的东西变成我们自己的记忆，放在大脑当中，而这个记忆可以叫做Context，然后我们再根据这个Context，转化成答案写下来，这个写的过程叫做Decoder。
整个模型用图表示如下：
但是它有一个显著的缺点，也就是整个编码-解码过程共享一个单独不变的语义编码C。我们可以将输入句子X=（X1，X2，......Xm），Y=（Y1，Y2，......Yn），中间语义C=F（X1，X2，...Xm）。
那么对Y的输出就是如下
我们可以看到，无论生成Y几，中间语义是不变的，也就是说这个模型是“没有注意力的”。这个模型有几个很大的问题，它无法体现前几（一）个单词对当前单词的影响，整个句子X的语义被压缩成一个向量X，二是语义向量无法完全表示整个序列的信息，还有就是先输入的内容携带的信息会被后输入的信息稀释掉，或者说，被覆盖了。
介绍完原始E-D模型，这时候我们要引入下Attetion模型，模型图如下：
生成目标句子Y就成了如下：
