sequence to sequence模型是一类End-to-End的算法框架，也就是从序列到序列的转换模型框架。
论文：Sequence to Sequence Learning with Neural Networks
该模型可用于：
- 自然语言翻译
- 聊天机器人，自动问答机器人
- 微博自动回复
- 文本分类
- 生成文档摘要
Seq2Seq一般是通过Encoder-Decoder（编码-解码）框架实现，Encoder和Decoder部分可以是任意的文字，语音，图像，视频数据，模型可以采用CNN、RNN、LSTM、GRU、BLSTM等等。所以基于Encoder-Decoder，我们可以设计出各种各样的应用算法。
与Seq2Seq框架相对的还有一个CTC，CTC主要是利用序列局部的信息，查找与序列相对的另外一个具有一对一对应关系（强相关，具有唯一性）的序列，比较适用于语音识别、OCR等场景。
而Seq2Seq更善于利用更长范围的序列全局的信息，并且综合序列上下文判断，推断出与序列相对应的另一种表述序列（非强相关，不具有唯一性），比较适用于机器翻译、文章主旨提取等场景。
从范围上来说，CTC是狭义的，Seq2Seq是广义的，从结果上来说，CTC是强制的一对一对应关系，Seq2Seq是具有弱约束的多对多对应关系。
<SOS>=start-of-sentence
<EOS>=end-of-sentence
