[paper] 面向对象的神经规划

动机：从自然语言中抽取结构化信息(生成ontology)

基本沿袭了神经图灵机(Neural Turing Machine, NTM)的结构

inline Memory包含符号信息S，和由RNN编码的分布式表征D
Reader包含Nerual Net Controller和symbolic processors

Carry on memory包括三个部分：
Object Memory（D+S）：结构化的信息在此写入
Matrix Memory(D)：可写入的分布式表征（同NTM）
Action History(S)：仅记录操作历史

Reader的流程：
1、Symbolic Analyzer先检查Action History，得到s1
2、读取Matrix Memory状态，记为s2
3、通过一些地址从inline memory中读取一些信息xt(d)和xt(s)
5、xt(s)通过符号匹配从Object Memory里取一个对象，o5
4、用xt(s)生成一个分布式表征E, 是将{s1, s2, o5, E, xt(s)}扔给NCC
6、NCC输是s6
7、{o5和s6}扔给Policy-Net，输出a7
8、用a7更新Object/Matrix/Inline Memory
9、将Object Memory扔给Symbolic Reasoner解析