LSTM模型
如图，LSTM模型是rnn模型的改良版，通过ft来选择性的保留上一次得到的信息
ELMo模型（双向LSTM）
ELMo模型是对word2vec的改良，改良了word2vec的二义性
对比上下两图，可以发现，WE对预测词的上下文仅仅只是拼接，所以不能很好的解决二义性的问题，ELMO区分了上下文，可以通过上下文来判断预测词所代表的含义
T1是对这个词的预测，左边框传给T1上文信息，右边框传给T1下文信息，通过这样的方式改善了因为词的二义性造成的问题
训练好之后如何使用
如图所示，和WE训练完的Q矩阵一样，先得到独热向量，用ELMO得到的三层进行处理，最后进行剩余操作。注：LSTM层可以有多个，可以继续堆叠。
学习视频连接如下
该文章是学习b站up主水论文的程序员的笔记，链接如下可自行学习
https://www.bilibili.com/video/BV1mZ4y1q7J2/?spm_id_from=333.788&vd_source=2910693b31a0847b17a3d12d76d0e3f1
