過去の応答者の発話履歴から応答者の特徴量を潜在表現として獲得するVAEと、 対話履歴および実際のレスポンス、上記の潜在表現をもとにレスポンスを再構成する応答内容の潜在表現を獲得するVAEの2つでモデリング。また、VAEの潜在空間としてvon Mises-Fisher分布を使用し、生成される文の多様性が損なわれるKL-vanishingの解決を試みる

Cornell Movie Dialogs CorpusとUbuntu Dialogue Corpusの2つで検証し、Embeddingベースのスコアで既存手法を大幅に上回り、多様性の指標では数倍〜数十倍の差をつけ、人間評価でも既存手法よりも良い評価を得た。また、von Mises-Fisher分布が性能向上に寄与することを示した。