論文閱讀：Automatic Generation of Personalized Comment Based on User Profile

文章鏈接：https://arxiv.org/abs/1907.10371

code：https://github.com/Walleclipse/AGPC

本文作者提出一種基於用戶個性化信息來生成評論的方法；個性化信息如下：

                                                             

方法如模型結構圖：

                               

1. 首先是基於seq2seq模型+attention機制，encoder和decoder都採用lstm；
2. 應用了一種基於門記憶的特徵embedding; 將用戶的個性化特徵屬性F={f1,…,fk}、經過一個全連接層，得到向量表示u。u可以看作是user feature embedding，表明用戶的個人特徵。如果user feature embedding是靜態的，在decode過程中會影響生成回覆的語法性。爲了解決這個問題，設計了一個gated memory來動態地表達用戶的個人特徵。這個embedding隨着decoder進行不斷衰減；
3. 基於博客和用戶個人描述的聯合attention;
4. 通過將第3點的信息和第2點的用戶個性化信息一起作爲decoder隱藏狀態更新的輸入，來結合persona信息，進而影響decode過程。這種影響是隱性的，爲了更明確地利用用戶信息來指導word的生成，將用戶信息直接作爲輸出層的輸入；

Paper note：https://spring-quan.github.io/2019/10/25/%E8%AE%BA%E6%96%87%E7%AC%94%E8%AE%B0%E3%80%8AAutomatic-Generation-of-Personalized-Comment-Based-on-User-Profile%E3%80%8B/#%E4%BB%BB%E5%8A%A1%E5%AE%9A%E4%B9%89

1. 門機制的加入，動態的輸入給decoder；值得學習；

2. 需要把用戶各種個性化信息，屬性知識進行不同的編碼處理，並用co-attention聯合在一起的處理值得學習借鑑；