生成又快又好的对话回复：An Emotion-controlled Dialog Response Generation Model with Dynamic Vocabulary

        昨天在arXiv上看到更新的一篇论文，关于对话的生成，出自阿里巴巴团队。文章目的是通过情绪控制和动态词汇表生成又快又好的对话恢复。

         直接上模型结构图：

        文章由一下几个部分组成：

                1，情绪匹配；通过对问题和回复之间的情绪映射信息对回复进行控制，用到的模型是2018年ACL的一篇分类模型(LEAM)的思想，在之前的博客中也有提到，是将标签信息融入文本分类中，将标签和输入词表映射到同一分布空间，之前也记录了一些利用标签信息的方法。

                2.Seq2Seq 模型训练；为了对话回复的QPS考虑，文本生成使用的是简单的GRU结构，encoder使用Bi-GRU，decoder使用GRU。

                3.词汇模型训练；词汇被分成了虚词和内容词，词汇模型在decoder阶段预测内容词被选择的概率。

                4.联合训练；最后将seq2seq模型和词汇模型进行联合训练，优化生成损失。