上下文
在实现神经机器翻译之前，首先应该学习源语言和目标语言的嵌入。为此，我们使用skip-gram Word2Vec模型。
上面链接的Tensorflow教程以单词列表开头。为了创建嵌入，每个单词用作预测输入单词的winodow中存在的目标单词的输入。因此，具有相似上下文的单词会得到类似的嵌入。
例如
["I", "have", "a", "dog"]可能会生成以下输入/输出对：["have", "a"]或["a", "dog"]。
问题
对于NMT，数据集中存在许多不同的句子，所有句子都应该用于嵌入。最简单的解决方案＆＃34;串联是不可行的，因为一个句子的结尾可能（错误！）被用作第二句开头的上下文。
Google的教程没有提供有关如何处理NMT嵌入的任何概述 - 应如何处理这些内容？
示例
["I", "have", "a", "dog"]
["You", "have", "a", "cat"]
["He", "is", "a", "blueberry"]
需要成为大小为12的list - 或者需要在how中更改其他内容，以避免生成错误的输入/输出对。