seq2seq_chatbot

===============================================Atualizar ================================================= ========= O modelo treinado foi carregado no Baidu Cloud Network Disk. Se precisar, você pode baixá-lo. Em termos de velocidade de treinamento do modelo, com CPU e memória de 16G, o treinamento pode ser concluído em um dia~~~

Link: https://pan.baidu.com/s/1hrNxaSk Senha: d2sn

================================================ Divisão linha, abaixo está o texto ============================================ === ==

Este artigo é uma implementação simples de tensorflow de um sistema de diálogo chatbot baseado no modelo seq2seq.

Para a explicação do código, você pode consultar minha coluna Zhihu:

Implementando um sistema de diálogo de aprendizagem profunda do zero - implementação simples de código de chatbot

O código refere-se ao DeepQA, ao qual a função de busca de feixe e o mecanismo de atenção são adicionados.

O efeito final é mostrado abaixo:

Teste o efeito, com base na entrada do usuário das sentenças beam_size superiores com maior probabilidade de resposta:

#Como usar

1. Baixe o código localmente (a pasta de dados já contém o conjunto de dados processados, portanto não há necessidade de baixar conjuntos de dados adicionais)

2. Para treinar o modelo, altere o parâmetro decode na linha 34 do arquivo chatbot.py para False para treinar o modelo.

(Vou carregar o modelo que treinei aqui mais tarde na Internet para que todos possam usar)

3. Após o treinamento (levará cerca de um dia, 30 épocas), altere o parâmetro decodificação para True.

É hora de testar. Digite o que você quer perguntar e veja o que ele responde ==

O que também precisa ser observado aqui é lembrar de modificar os caminhos absolutos do conjunto de dados e do arquivo do modelo final, caso contrário, um erro poderá ser relatado.

Eles estão em três locais: linha 44, linha 57 e linha 82. Ok, agora você pode se divertir ~~