论文总结之对话生成《Improving Knowledge-aware Dialogue Generation via Knowledge Base Question Answering》

11.Improving Knowledge-aware Dialogue Generation via Knowledge Base Question Answering

本篇论文是ACL最新的2019年底完成的一篇论文，主要在融入知识的情况下增加了回复多样性。
主要创新点有三个：
1）MLP训练后迁移学习
2）利用检索对话的方式增强生成式回复多样性
3）两步解码
现在具体分析下模型：
（1）Knowledge-aware Dialogue Encoder
post逐字经过GRU得到隐藏层向量
再通过预训练好的BiGRU得到隐藏层向量、语法向量（语法向量：Who is the best
actor in the movie” is {who,nsubj, actor, prep, in,pobj, hEi}）；
二者相加拼接起来；
（2）Response Guiding Attention
post和检索出的i个reponse的之间注意力机制（检索是从语料库里选择最相似的n个post，然后根据这n个post检索出i个答案）
比较费解的是对于post编码最终表示为什么用所有字编码平均值来表示

（3&#x