Chinese-ChatBot/中文聊天机器人
- 作者已经全面转到
GNN图神经网络方向C++开发，不再跟进NLP方面，项目代码停止维护。遥想项目完成时，网上资源甚少，作者一时兴起初次接触NLP与Deep Learning，克服重重困难，终于写出这个Toy Model。因此，作者深知小白不易，所以即使项目不再维护，但issue或邮件([email protected])一定会及时答复，以帮助Deep Learning新人。(Tensorflow我用的版本太老了，新的版本直接运行肯定各种报错，如果你遇到困难也别可以费劲去装老版的环境了，建议用Pytorch参照我的处理逻辑重构一遍，我懒得写了) - GNN方面:
- 改编整理了一套基准对比模型：GNNs-Baseline ，以方便快速验证idea。
- 本人的论文ACMMM 2023 (CCF-A) 开源代码在这LSTGM。
- 本人的论文ICDM 2023 (CCF-B) 开源代码还在整理中。。。GRN
- 欢迎同好补充、交流、学习。
环境配置
| 程序 | 版本 |
|---|---|
| python | 3.68 |
| tensorflow | 1.13.1 |
| Keras | 2.2.4 |
| windows10 | |
| jupyter |
主要参考资料
关键点
- LSTM
- seq2seq
- attention 实验表明加入attention机制后训练速度快，收敛快，效果更好。
语料及训练环境
青云语料库10万组对话，在google colaboratory训练。
运行
方式一：完整过程
- 数据预处理
get_data - 模型训练
chatbot_train(此为挂载到google colab版本，本地跑对路径等需略加修改) - 模型预测
chatbot_inference_Attention
方式二：加载现有模型
- 运行
chatbot_inference_Attention - 加载
models/W--184-0.5949-.h5
界面(Tkinter)
Attention权重可视化
其他
- 训练文件chat_bot中，最后三块代码前两个是挂载谷歌云盘用的，最后一个是获取那些loss方便画图，不知道为什么回调函数里的tensorbord不好使，故出此下策；
- 预测文件里倒数第二块代码只有文字输入没界面，最后一块代码是界面，根据需求两块跑其一即刻；
- 代码中有很多中间输出，希望对你理解代码提供了些许帮助;
- models里面有一个我训练好的模型，正常运行应该是没有问题的，你也可以自己训练
- 作者能力有限，并未找到量化对话效果的指标，因此loss只能大致反映训练进度。