問題:同樣的問題悄蕾,不同的表述,生成的回復(fù)就不一致础浮。
image.png
方法:在seq2seq的的decoder 加入了用戶向量帆调,類似詞向量,利用用戶帳號信息豆同,如性別番刊,方言等訓(xùn)練而成。
實驗數(shù)據(jù)是Twtter的數(shù)據(jù)影锈,所以會有這些用戶數(shù)據(jù)芹务。
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鸭廷,重新對用戶進行建模枣抱,Vij 表示i對j說話的向量,和上種方法一樣辆床,加到decoder佳晶。
li1.png