本文介绍了我们在端到端（E2E）自然语言生成（NLG）挑战赛中所采用的系统。该挑战赛构建了一个面向餐厅领域语音对话系统的新型数据集，该数据集展现出更丰富的词汇多样性与句法变化，对内容选择提出了更高要求（Novikova 等，2017）。为应对这一挑战，我们采用基于CAEncoder增强的序列到序列学习模型（Zhang 等，2017），并提出一种注意力正则化方法，以促进注意力权重在输入词语间的均匀分布，同时有效缓解过拟合问题。在未进行任何特殊设计的前提下，我们的系统已表现出非常出色的性能。尤其值得一提的是，该系统在ROUGE-L指标上取得了0.7083的得分，是所有提交的主要系统中的最佳结果。