最近，我一直在研究 seq2seq 模型，这些模型已用于使用循环神经网络（通常使用 LSTM 单元）将一种语言翻译成另一种语言。

这些模型也可用于生成文本，一次一个字符。基于其有效编码先前字符的内部存储器，该模型学习下一个字符的概率分布。

在查看这些 seq2seq 模型的各种实现时，比如这个，我看到一个嵌入矩阵是与神经网络联合训练的。据我了解，该矩阵的每一行都是特定字符的“嵌入”（每个字符由一个整数表示：它在有限词汇表中的 id）。

使用这种嵌入的理由是什么？它是干什么用的？为什么需要它？

LSTM：长短期记忆