过程：输入->检索->编码->解码
解释：检索：输入一句话x，首先从PPDB中检索出M * 10 个释义对，并排序，记为x的本地字典；
编码：将所有的释义对编码为向量,单字转为字向量,多字将 每个字向量加和;论文认为会得到2×M个向量
解码过程：
首先，使用BiRNN的输出作为x的表征，并用standard attention获取句子信息，用来计算c’_t，它是原句隐藏状态的加权平均；
其次，计算释义字典侧信息的上下文向量c_t，它用来指导解码器（删除还是增加一个token）；
再次，联结/级联h_t,c_t,c’_t，值为 ，其中h_t表示第t字的隐藏状态；
然后，利用softmax层，获取概率最大的句子y_t；
最后，计算最小NLL值
论文翻译：
1.方法论：
1）问题定义：有一个词汇或者短语字典（从PPDB中获取）
其中，o_i是原始字或者短语，p_i是o_i的字级或者短语级释义。有一个并行的数据集
其 中，(x_i,y_i) 是一个释义对。我们的目标是利用D和P来学习一个释义生成器，以便于用y准确的释义一个新句子x.
模型概述：首先，对于原始句子x,我们先检索字级或者短语级的释义对集合
