convai bot 1337

ConvAI-Bot Nr. 1337

Fähigkeitsbasierter Konversationsagent, der bei der NIPS Conversational Intelligence Challenge 2017 den 1. Platz belegte (http://convai.io/2017/).

Wir aktualisieren unseren Conversational Agent immer noch und die neueste Version ist im Hauptzweig zu finden.

Hier wird die ConvAI-Finalversion des Agenten eingereicht (am 12. November): https://github.com/sld/convai-bot-1337/tree/032d5f6f5cc127bb56d29f0f0c6bbc0487f98316

Abstrakt

Wir präsentieren bot#1337: ein Dialogsystem, das für die 1. NIPS Conversational Intelligence Challenge 2017 (ConvAI) entwickelt wurde. Ziel des Wettbewerbs war es, einen Bot zu implementieren, der in der Lage ist, anhand einer vorgegebenen Textpassage mit Menschen zu kommunizieren. Um eine Konversation zu ermöglichen, haben wir eine Reihe von Fähigkeiten für unseren Bot implementiert, darunter Geplauder, Themenerkennung, Textzusammenfassung, Beantwortung von Fragen und Generierung von Fragen. Das System wurde in einer überwachten Umgebung mithilfe eines Dialogmanagers trainiert, um eine geeignete Fähigkeit zur Generierung einer Antwort auszuwählen. Letzteres ermöglicht es einem Entwickler, sich auf die Skill-Implementierung zu konzentrieren und nicht auf den auf Finite-State-Maschinen basierenden Dialogmanager. Der vorgeschlagene Systembot#1337 gewann den Wettbewerb mit einer durchschnittlichen Dialogqualitätsbewertung von 2,78 von 5, die von menschlichen Bewertern vergeben wurde. Quellcode und trainierte Modelle für den Bot#1337 sind auf GitHub verfügbar.

Erste Schritte

Für einen kurzen Überblick über den Bot#1337 werfen Sie einen Blick auf die nächsten Ressourcen:

• COLING 2018 Papier
• einseitige Zusammenfassung
• Präsentation

Telegram Bot-Demo und JSON-API

• Die Demonstration des Konversationsagenten ist als Telegram-Bot verfügbar: https://t.me/ConvAI1337Bot.
• Außerdem verfügen wir über eine öffentliche JSON-API, die unter https://github.com/sld/convai-bot-1337/wiki/Api-Documentation dokumentiert ist.

Voraussetzungen

• Docker-Version 17.05.0-ce+
• Docker-Compose-Version 1.13.0+
• Min. 4 GB RAM + Swap (4 GB), empfohlen 8 GB RAM
• 2 GB Festplattenspeicher
• Getestet auf Ubuntu 16.04

Installieren

Laden Sie trainierte Modelle herunter und legen Sie sie in Ordnern ab:

 ./setup.sh

Container erstellen:

 docker-compose -f docker-compose.yml -f telegram.yml build

Richten Sie config.py ein, vergessen Sie nicht, das TELEGRAM-Token einzugeben:

 cp dialog_tracker/config.example.py dialog_tracker/config.py

dialog_tracker/config.py sollte so aussehen:

 WAIT_TIME = 15
WAIT_TOO_LONG = 60
version = "17 (24.12.2017)"
telegram_token = "your telegram token"

Den Bot ausführen

Dieser Befehl führt den Telegram-Bot mit Ihrem Telegram-Token aus:

 docker-compose -f docker-compose.yml -f telegram.yml up

Ausführen der Tests

Führen Sie den Bot mithilfe des JSON-API-Servers aus:

 docker-compose -f docker-compose.yml -f json_api.yml up

Führen Sie die Tests aus:

 python dialog_tracker/tests/test_json_api.py http://0.0.0.0:5000

Mitwirken

Bitte lesen Sie CONTRIBUTING.md für Einzelheiten zu unserem Verhaltenskodex und dem Verfahren zur Übermittlung von Pull-Anfragen an uns.

Autoren

• Idris Yusupov (http://github.com/sld)
• Yurii Kuratov (http://github.com/yurakuratov)

Lizenz

Dieses Projekt ist unter der GPLv3-Lizenz lizenziert – Einzelheiten finden Sie in der LIZENZ-Datei.

Andere

Fork dieses Bots in den TOP-3 (Infinity-Team) des DeepHack-Chat-Hackathons http://deephack.me/leaderboard_hack.