1. 序列模型用途

之所以要用到序列模型，是因为，在现实生活中，我们的很多数据都具有连续的关系，比如

1. 语音识别：根据音频数据，识别为语言文本

2. 音乐生成：给定0个或某几个音节，自动生成歌曲

3. 情感分析：根据一段文本，来判断其情绪

4. DNA序列分析：从给定的DNA序列中，标记出值得关注的某一段序列

5. 机器翻译：德语文本转英文

6. 视频行为识别：根据视频中一段连续的画面，判断画面中人的行为

7. 命名实体识别：识别出文本中的所有人名

2. 序列模型常用的数学符号

如下举一个例子：
输入X：Harry Potter and Hermoine Granger invented a new spell.
输出Y：1 1 0 1 1 0 0 0 0
目标是识别给定句子中的人名，也就是所谓的实体词。

下图中用红色文字标注各个数学符号的含义：

总结一下，圆括号表示第i个样本，尖括号表示某个样本中第t个值。

3. 用词典和one-hot编码表示文本

文字、单词无法直接进行计算，所以要转换为数字。下图就是转换步骤：

1. 首先，要做一个字典，这里假设字典中含有10000个单词。

2. 然后，将输入文本中的每一个词，都找到其在字典中的位置，并映射为one-hot编码。

3. 比如Harry在字典中的位置（索引）是4075，则需要用一个10000维度的向量来表示Harry，这个向量在4075位置上的值为1，其他位置上的值为0。注意句子中的每一个单词都要用相同维度的向量来表示。

参考

• Andrew Ng. deep learning class. sequence model.