seq2seq_chatbot_links
1.0.0
Links para implementações de modelos neurais conversacionais para diferentes frameworks. Contribuições são bem-vindas.
Theano, Lasanha
Um sistema de diálogo capaz de expressar emoções em uma conversa de texto. Veja a demonstração online.
Exemplos de resultados para emoções neutras:
hi → hey you
how are you ? → i ' m fine , what about you ?
how old are you ? → i ' m 16 , how old are you ?
are you a leader or a follower ? → i ' m a man who is a politician .
my name is david . what is my name ? → i love your name .
is the sky blue or black ? → the sky is blue
you love anime . → i ' m not a weeb
Fluxo tensor
Bons resultados:
Hi → Hi.
What is your name ? → Laura.
What does that mean ? → I dunno.
How old are you ? → thirty-five.
Who is Laura ? → My brother.
Say 'goodbye' → Alright.
Two plus two → manny...
Código modificado do modelo de tradução automática. Nenhuma randomização de resposta é implementada neste código, então os modelos respondem sempre com a mesma frase:
hello baby → hello
how old are you ? → twenty .
i am lonely → i am not
nice → you ' re not going to be okay .
so rude → i ' m sorry .
are you a robot or human? → no .
are you better than siri? → yes .
Tocha
Código-fonte de vários artigos super legais de Jiwei Li - uma das minhas pesquisas favoritas no domínio de sistemas neurais conversacionais. Vale a pena conferir.
tell me ... how long have you had this falling sickness ? → a few months, I guess .
so i had the doctors test sammy ’s response to conditioning . → so he took the pills .
what are you going to do ? → i ’m going to get you a new car .
they fear your power your intellect . → i ’m not afraid of your power .
Hello? → Hi.
How are you? → I'm fine.
What's your name? → It's hard to describe.
How so? → I'm not sure.
What color is the sky? → It's blue.
What is your job? → It's not that i'm a fucking werewolf!
Keras
A implementação mais popular da arquitetura Seq2seq no GitHub. No entanto, ainda não há evidências de bons resultados com este repo.
Um wrapper para farizrahman4u/seq2seq usado para executar experimentos. Nenhum bom resultado foi alcançado até agora.
Preciso verificar isso.
Um novo chatbot generativo cujo treinamento converge em poucas épocas, incluindo um modelo pré-treinado em um pequeno mas consistente conjunto de dados coletados de diálogos de cursos de inglês online.
user: Hello! How are you?
computer: i am fine , ok , well , thank you . (with probability of 0.540239)
user: What's your name?
computer: janet . (with probability of 0.319482)
user: What do you like to do now?
computer: let me think a minute . (with probability of 0.286760)
user: I want to chat about computer science.
computer: i am glad to hear there . (with probability of 0.293063)
user: Are you a real girl or a computer program?
computer: i am self employed . i would love to be well . (with probability of 0.026870)
user: Why don't you look for a job?
computer: i do not know . i am the bank . (with probability of 0.053494)
user: So, you don't need a job!
computer: no . i have to make a lot of money . (with probability of 0.001279)
Uma excelente visão geral dos conjuntos de dados de conversação existentes.
Obtenha muitas legendas brutas de filmes (~ 1,2 Gb)
~ 40Mb após limpar os dados técnicos.
Consulte esta excelente revisão de Richard Krisztian Csaky: Chatbot e notas de artigos de pesquisa relacionados com imagens
bem como ao seu relatório em pdf: Deep Learning Based Chatbot Models
