编码-解码器（encoder-decoder），理学-统计学-大数据统计分析-深度神经网络-循环神经网络-编码-解码器，一种处理序列到序列（sequence to sequence；Seq2Seq）问题的深度学习框架。背景Seq2Seq问题是将一个序列转换成另一个序列的问题，其特点是输入数据和输出数据的长度并不是固定的。对于Seq2Seq的问题，基本的循环神经网络（RNN）及其扩展模型不能很好解决这一问题。为此，在2014年有很多研究者在几乎同一时间都提出了编码-解码器的深度学习架构来处理Seq2Seq的问题。编码-解码器的基本思想是在整个模型中使用编码器和解码器两个网络来处理Seq2Seq任务。其中，编码器是用于接收原始序列并将输入转化成特征向量来表征的一个网络，这些特征向量其实就是输入信息的另一种表示。解码器同样也是一个网络，它获取编码器产生的特征向量，并输出与预期输出最近似的结果。