一、论文所解决的问题
实现长期记忆（大量的记忆），而且实现怎样从长期记忆中读取和写入，此外还增加了推理功能
为什么长期记忆非常重要：由于传统的RNN连复制任务都不行，LSTM预计也够玄乎。
在QA问题中，长期记忆是非常重要的，充当知识库的作用。从当中获取长期记忆来回答问题
.png)
上面这个问题就是，当遇到有若干个句子而且句子之间有联系的时候,RNN和LSTM就不能非常好地解决，以为是长期依赖。须要从记忆中提取信息
二、论文的解决方式
（0）总体架构一览
.png)
.png)
实际上所谓的Memory Network是一个通用的框架而已，内部的输入映射、更新记忆映射、输出映射、响应映射都是能够更换的
（1）特定于自然语言的实现
the I module takes an input text.
The text is stored in the next available memory slot in its original form
The G module is thus only used to store this new memory, so old memories are not updated.
.png)
.png)
.png)
三、论文中的方案解决该问题。解决到了什么程度？
事实上论文中主要就是提了一个大的框架，而框架中的每个模块都是能够变更的，这样能够适应不同的应用，可是实质上并没有较大的创新。本质上还算是一种RNN类型的网络。
四、实验
（1）实验结果
.png)