一、Pointer Network

1． 如下图所示，给你10个点，然后自动地找出哪些点连接起来可以把其余的点圈在里面。现在用Neural Network硬train一发，输入是10个点的x，y坐标，输出是一个“427653”的序列，正好可以把其余点圈在里面。

2． 这里考虑是否能用Sequence-to-sequence来解决？如下图所示，现在有4个点，输入是4个点的x，y坐标，输出是点的序列加上END（Token）。Encoder输入的长度不固定不会对它造成影响，但是Decoder却有较大的影响，假设设定的输出是50个点，意味着输出的vector是1到50加上END，但在testing的时候，输入是100个点，就选择不了51到100的点，因此不能用Sequence-to-sequence。

3． 如下图所示，现在对attention做了改动后可以让Neural Network动态地决定输出有多大。现在要加上一个x0，y0（代表END），先产生一个z0（key），用z0对输入做attention，然后会对每一个输入产生一个attention weight，这些attention weight是输出的distribution，然后根据attention weight去取argmax。

二、Applications-Summarization

如下图所示，Summarization就是从文章中获取关键词汇形成摘要。在Summarization里面加上Pointer Network的概念后，直接输出distribution，让distribution决定Summarization里面应该产生什么样的词。

三、More Applications

1． Pointer Network的机制应用在翻译上，让Network可以直接从输入的句子中选择出不可翻译的词汇，添加到译文里面。

2． Pointer Network的机制应用在聊天上，让Network从用户输入的句子里面copy关键词汇（名字等信息），把它用在回复信息里面。