建模会用到的符号
举个例子：
下面的句子作为序列模型的输入数据
x： Harry Potter and Hermione Granger invented a new spell
假设你想让模型识别出句子中哪些单词是人名，那么这就是一个名字识别的例子，常被用在搜索引擎中（比如对过去24小时新闻中提到的人名进行适当的索引）、识别系统中（人名，企业名称，时间，地点，国家名称，货币名称等等）
假设你想让输出数据y一 一对应x里面的每个单词输出0/1来判断单词是或否人名
y: 1 1 0 1 1 0 0 0 0
当然这不是最好的算法，有些算法可以告诉你哪些是人名，还能告诉你人名在句子中的起始位置
我们用x<1> x<2> x<3> x<4> x<5> x<6> x<7> x<8> x<9>表示句子中的单词所在的位置
我们索引x中单词的时候我们用x^<t>来索引
y也是这样表示输出的元素在y中的位置
Tx=9，表示输入数据的长度，当然这里Ty=9，表示的就是输出数据的长度
x(i)表示第i个训练样例
在这个样例1，Tx(1)表示样例1的输出数据的长度
NLP#自然语言处理(Natural Language Processing)
我们需要决定如何在一个序列中表示一个单词，比如说Harry这个词，x<1>的值应该是什么呢？？？
首先我们要有一个词汇表，或者说字典
[a,air,aron,and,..........,Harry, ...........,Potter........zuzu，Zulu]#就类似于这种东西的一个list
那么在这个词典里面假设，我们这个and的位置索引是367，Harry这个词的索引是4075，Potter是6830，Zulu这个词的索引是10000,那么在这个例子里我用的是词汇量为10000的字典
对于一般的商业级应用，常用的字典规模在3-5万，10万也比较常见
如果你想建立你的字典，一种方法是找到你的训练集中出现次数最频繁的10000个单词，第二种方法是查找一些网上的字典
我们可以把字典看成一个10000行1列的矩阵，然后我们每一个单词都可以用在它索引位置是1，其他位置都是0 的一个1x10000的向量#这种向量我们叫one-hot
那么有一个问题，如果遇到了不在字典里的单词怎么办？？？
创建一个新的标记或者说创造一个fake word，称为Unknown Word并使用<UNK>表示这些不在词汇表中的词
下一章会讲循环神经网络(Recurrent Neural Networks)构建从x到y的映射