#ACL-2016#A Persona-Based Neural Conversation Model

問題：同樣的問題，不同的表述，生成的回復(fù)就不一致。

image.png

方法：在seq2seq的的decoder 加入了用戶向量，類似詞向量，利用用戶帳號信息，如性別，方言等訓(xùn)練而成。
實驗數(shù)據(jù)是Twtter的數(shù)據(jù)，所以會有這些用戶數(shù)據(jù)。
另一種模型，提出 不同用戶對不同的人說話的方式是不一樣的，重新對用戶進行建模，Vij 表示i對j說話的向量，和上種方法一樣，加到decoder。

li1.png
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容