继续但 DRL
1.0.0
基于代码库 TC-Bot 和论文端到端任务完成神经对话系统。该存储库是 TC-Bot 的简化版本，尽管不能直接比较，但它的准确度水平相似。
这展示了如何使用简单的用户模拟器将具有深度强化学习的简单 DQN 代理训练为面向目标的聊天机器人。该代码是 MiuLab 的 TC-Bot 的简化版本，主要区别在于该代码不包含 NLG 或 NLU 组件，而仅训练对话管理器。 NL 组件不需要了解 GO 聊天机器人如何使用 DRL 进行训练，因此未实现。
下面是 TC-Bot 论文中的图表，除了 LU 和 NLG 组件之外，与该项目中使用的对话流程类似：
除了删除 NL 之外，还对成功条件、DQN 代理优化器和其他一些细微更改进行了更改。因此，不应直接比较 TC-Bot 和此存储库之间的准确性。
该数据库是电影票的数据库，与 TC-Bot 中使用的数据库相同。数据的 pickle 和文本版本都可以在数据目录中看到。
可以在此处的 Medium 上找到详细描述和详细介绍此代码的 5 部分教程系列！
您可以使用python train.py从头开始训练代理。
在constants.json中，您可以更改超参数，包括“save_weights_file_path”和“load_weights_file_path”（都是相对路径）以分别保存和加载权重。例如，要使用权重文件夹中的预训练权重，请将“load_weights_file_path”的值设置为“weights/model.h5”。每次当前成功率达到新高时，都会保存目标 (tar) 和行为 (beh) keras 模型的权重。
您还可以使用python test.py测试代理。但请确保通过将constants.json中的“load_weights_file_path”设置为具有行为和目标权重的相对路径来加载权重。
除了代理下的“vanilla”之外，所有常量都非常不言自明，这意味着 DQN（真）或 Double DQN（假）。默认为普通 DQN。
注意：如果在训练或测试中出现 unpickling 错误，请运行python pickle_converter.py ，这应该可以修复它
您可以通过将 Constants.json 中 run 下的“usersim”设置为 false，以用户身份输入您自己的操作（而不是使用用户 sim）来测试代理。您可以在控制台中输入一个事件/对话的每个步骤的操作和成功指示符。操作输入的格式为：意图/通知槽/请求槽。
操作输入示例：
此外，控制台将询问代理是否成功的指示符（除了在剧集的初始操作输入之后）。允许的输入为 -1 表示失败，0 表示尚未结果，1 表示成功。
使用constants.json 中的超参数。
剧集表（每 2000 集，共 40000 集），按周期/列车频率（每 100 集）的最大成功率计算，直至该集：
