《Multi-view response selection for human-computer conversation》
本文对一般词级上下文向量，以及对话语级别上下文向量理解，来进行上下文response匹配。作者提供了一种直接的单轮转多轮思路——将多轮问答语句合并为一列, 连接处用_SOS_隔开, 将整个对话历史视为"一句话"去匹配下一句。将整个对话历史合并为一列, 做word embedding后通过GRU模块提取词汇级特征, 与候选的response做匹配:
不过每次直接把 word embedding sequence 输入网络得到整个多轮对话的表示(context embedding)用GRU是很难学习的，所以文中提出将每个文本也做一次匹配，用的 TextCNN pooling GRU结构。也就是 word-level 和 utterance-level 的结合：
