此Notebook旨在通过Python/Keras来验证 seq2seq神经网络如何做时间序列预测，尤其是在高维时间序列——也就是说，必须同步预测大量（10万+）序列的场景下。神经网络相对传统序列分析模型如ARIMA最有优势的地方在于 ——无需建立大量fine-tuned、针对序列的模型参数。

随着 Web 技术的发展，使得内容的创建和分享变得越来越容易。每天都有大量的图片、博客、视频发布到网上。信息的极度爆炸使得人们找到他们需要的信息将变得越来越难。传统的搜索技术是一个相对简单的帮助人们找到信息的工具，也广泛的被人们所使用，但搜索引擎并不能完全满足用户对信息发现的需求，原因一是用户很难用恰当的关键词描述自己的需求，二是基于关键词的信息检索在很多情况下是不够的。而推荐引擎的出现，使用户获取信息的方式从简单的目标明确的数据的搜索转换到更高级更符合人们使用习惯的上下文信息更丰富的信息发现。