对话上下文线索：用于回复排序的个性化与历史

我们研究开放域、多轮、非结构化、多参与者对话的建模任务。我们具体研究融入不同对话元素的效果。与之前聚焦于建模消息和回复的工作不同，我们将建模扩展到长上下文和参与者历史。我们的系统不依赖于手写规则或工程化特征；相反，我们在大型对话数据集上训练深度神经网络。特别地，我们利用Reddit评论和帖子的结构提取了21亿条消息和1.33亿段对话。我们在预测对话中下一回复的任务上评估我们的模型，发现对上下文和参与者进行建模均提高了预测准确率。