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
