我们上节课讲到了基础模型，但是基础模型所选择出来的句子并不一定是最好的句子。
我们这次要说的就是如何选择最好的句子。首先我们还是要像上周一样建立一个seq2seq的神经网络，然后通过这个网络，进行一个条件语句选择，就是P（x/y）。在输入的法语句子的前提下，进行英语句子的翻译输出。
如果，你只是对这个y的概率进行采样的话，得到的语句会有好有坏，前3个都还可以，第四个就不太行。为了避免这种情况，我们需要找到一个算法，能使Y值最大化，找到合适的句子。
在这里我们即将使用的算法叫做束约束算法。这个在下一节课当中会进行讨论，这一节课我们先来聊一些看起来可行但是实际上有些问题的算法。
比如说贪心，贪心算法是计算机科学当中很普遍的一个算法，最简单来说，就是取每一步的最优值，然后再走下一步。
由于我们所关心的是整个p(Yi/x)之和最大，因此通过上面那个贪心算法算出来的答案不见得是可行的。作者通过一个例子来说明，在is之后，going的可能性有可能要高于visiting，但是得到的并不是最优的翻译。
由于，我们整个序列很长，一个字典有可能有10000或者是是100000个词，如果我们一个句子有10个词，那么全部的排列组合就有10000的10次方，是很难去计算所有排列组合的得分然后再进行比较的。因此我们需要一个算法来做一个近似最大值的计算，也就是束搜索算法，这个算法在下节课会讲到。
网友评论