A Persona-Based Neural Conversation Model论文
问题：同样的问题，不同的表述，生成的回复就不一致。
解决方法：在seq2seq的的decoder 加入了用户向量，类似词向量，利用用户帐号信息，如性别，方言等训练而成。
实验数据是Twtter的数据，所以会有这些用户数据。
Speaker Model
选取LSTM为Seq2Seq模型的基本单元，LSTM主要的公式如下：
作者给增加了一个向量，可以看做是把变成了
,如下所示：
Speaker-Addressee Model
由于一个用户对不同的人说话的方式是不一样的，重新对用户进行建模，Vij 表示i对j说话的向量，和上种方法一样，加到decoder。