Adversarial Learning for Neural Dialogue Generation in Tensorflow

Состязательное обучение для генерации нейронного диалога в тензорном потоке

статья: Состязательное обучение для генерации нейронного диалога https://arxiv.org/pdf/1701.06547.pdf

перевод статьи на китайский язык: http://blog.csdn.net/liuyuemaicha/article/details/60581187

Конфигурация:

TensorFlow 0.12.0 Python 2.7

Введение в проект: al_neural_dialogue

1.

gen_data: обучающие данные для модели генерации.

disk_data: данные обучения для модели диска.

диск: код модели диска

gen: код модели поколения

utils: код работы с данными и конфигурации модели.

уведомление:

gen_data включает chitchat.train.answer, chitchat.train.query, chitchat.dev.answer, chitchat.dev.query (всего четыре файла)

Disc_data включает в себя Disc.dev.ответ, Disc.dev.query, Disc.dev.gen и Disc.train.ответ, Disc.train.query, Disc.tran.gen (всего шесть файлов)

формула обучающих данных: одно предложение, одна строка, разделенная пробелом, например: я не хочу!

2.бежать

python al_neural_dialogue_train.py

введение

защита основного(_):

'''

# шаг_1 обучающая модель

 # 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() 

'''

введение модели

1、модель диска: иерархическая rnn (документ — построение сквозных диалоговых систем с использованием генеративных иерархических моделей нейронных сетей)

2. Модель поколения: модель seq2seq с вниманием (ячейка GRU)

3. Способ вознаграждения: Поиск по Монте-Карло.

4. Оптимальный: градиент политики.