本文的思想很创新，利用了机器翻译中的dual mechinism，仅仅利用少部分双语语料和大部分单语语料就可以达到之前NMT的效果，甚至还高了2到3个百分点。

　　dual的思想不仅可以用于机器翻译中，还可以用于图片、语音、文字等多种语言的共同学习，这样的相互作用共同学习更接近于人类对周围世界认识的方式，接受来自各个方面的信心，综合进行学习。

　　Two are Better than One: An Ensemble of Retrieval and Generation-Based Dialog作者

Yiping Song, Rui Yan, Xiang Li, Dongyan Zhao, Ming Zhang

　　单位

北京大学

　　关键词

对话系统、open domain、chatbot

　　文章来源

arXiv

　　问题

对话系统中可将问题和检索的结果同时作为输入Encoder之后进行解码Decoder，再将生成的结果和原检索结果重排序

　　模型

　　相关工作

　　简评

作者的思路非常简单，原来的回复生成模型容易发生回复内容短或者回复信息无意义的问题，在此作者将候选结果和原来的问句同时作为RNN生成器的输入，生成结果后再将本次生成的结果加入原检索候选集中，进行重新排序，实验结果证明此种方法比单独使用检索或单独使用生成效果有大幅提升。

　　总结

新的研究成果不见得可以直接应用于工程中，但新的paper，尤其是高质量paper中，一定会有很多的创新点，每一个创新点都可能会为后续的研究、工程实现等带来启发，甚至是一些技术上的突破。从本期开始，PaperWeekly会不定期地分享类似的内容，以方便大家了解最新的研究成果。感谢@memray @积翠如云 @chunhualiu和@tonya四位童鞋的辛勤工作。

【查看链接请点阅读原文】

广告时间

　　PaperWeekly是一个分享知识和交流学问的学术组织，关注的领域是NLP的各个方向。如果你也经常读paper，也喜欢分享知识，也喜欢和大家一起讨论和学习的话，请速速来加入我们吧。

　　微信公众号：PaperWeekly

微博账号：PaperWeekly（）

　　微信交流群：微信+ zhangjun168305（请备注：加群 or 加入paperweekly）