Adversarial Learning for Neural Dialogue Generation in Tensorflow

Apprentissage contradictoire pour la génération de dialogue neuronal dans Tensorflow

le document : Apprentissage contradictoire pour la génération de dialogue neuronal https://arxiv.org/pdf/1701.06547.pdf

la traduction papier en chinois :http://blog.csdn.net/liuyuemaicha/article/details/60581187

Configuration :

TensorFlow 0.12.0 Python 2.7

Introduction au projet : al_neural_dialogue

1.

gen_data： données d'entraînement pour le modèle gen

disc_data : données d'entraînement pour le modèle de disque

disque：code sur le modèle de disque

gen : code sur le modèle de génération

utils：code sur le fonctionnement des données et la configuration du modèle

avis:

gen_data inclut chitchat.train.answer, chitchat.train.query, chitchat.dev.answer, chitchat.dev.query (quatre fichiers au total)

disc_data inclut disc.dev.answer,disc.dev.query, disc.dev.gen et disc.train.answer, disc.train.query,disc.tran.gen (six fichiers au total)

formule de données d'entraînement , une phrase, une ligne et divisée par un espace, par exemple : je ne veux pas !

2.exécuter

python al_neural_dialogue_train.py

introduction

def principal(_):

'''

# modèle de génération de formation step_1

 # gen_pre_train()

# model test
# gen_test()

# step_2 gen training data for disc
# gen_disc()

# step_3 training disc model
# disc_pre_train()

# step_4 training al model
# al_train()

# model test
# gen_test() 

'''

présentation du modèle

1、Modèle de disque : rnn hiérarchique (article——Construire des systèmes de dialogue de bout en bout à l'aide de modèles de réseaux neuronaux hiérarchiques génératifs)

Modèle 2、gen : seq2seqModèle avec attention (cellule GRU)

3、Mode de récompense : Recherche Monte Carlo

4、optimal：Politique Dégradé