引入

找出一些点，可以把其余的点包进去。

硬 train 一发。直接输入所有的坐标，输出边界坐标。

像 👉 这样

根本不 work。因为输出的数量固定，如果 train 的时候是 1-50，test 的时候是 1-100，decoder 不会输出大于 50 的数。

怎么办？

根据 attention weight 去取 output。

这个效果还不错。

应用

Summarization

Translation & Chat-bot

总结

总来的来说，用到直接替换的应用可以用 pointer network。

因为普通的 seq2seq 的模型，输出的是之前 train 出来限定的，所以用这种 pointer network，就可以直接复用输入的词。