AliMe Chat: A Sequence to Sequen

1. 对于输入Q，从QA库中检索出最接近的k个（q,a）对，其中检索模型（IR）基于BM25，并经过了去停用词等预处理

2. 对每个候选的（Q,a）对进行评分，其中评分模型（Answer Rerank）采用预训练的seq2seq（与2中相同）计算字符串出现的平均概率：

   
   
3. 如果2中得到的最高评分大于阈值T，最直接输出得到最高评分的候选答案a；否则，从4的模型中生成答案
4. 生成模型基于采用带attention的seq2seq，论文中采用的cell是GRU，并强调了自己采用了bucketing、padding、sampled softmax、beam search（top10） decoder（赤裸裸的灌水。。。）

seq2seq模型如图，h、s分别是encoder和decoder的状态，encoder之后叠加了attention机制，很基本的模型，严重怀疑训练样本的质量太高堆砌出了这样一篇大水文。。。