msg_reply

智慧留言回复

您有看過或使用過 Google 智慧回應嗎？它是一項為用戶訊息提供自動回覆建議的服務。見下文。

這是基於檢索的聊天機器人的一個有用應用。想一想。我們有多少次發短信，例如“謝謝” 、 “嘿”或“稍後見” ？在這個專案中，我們建立了一個簡單的訊息回覆建議系統。

奎平公園
Yj Choe 進行程式碼審查

同義詞組

• 我們需要設定要顯示的建議清單。自然，首先考慮頻率。但是那些意思相似的片語又如何呢？例如，是否應該非常感謝您並希望得到獨立對待？我們不這麼認為。我們想將它們分組並保存我們的位置。如何？我們使用平行語料庫。 「非常感謝」和「謝謝」很可能被翻譯成相同的文字。基於這個假設，我們建立了具有相同翻譯的英語同義詞組。

模型

我們微調 Huggingface 的 Bert 預訓練模型以進行序列分類。其中，一個特殊的起始標記[CLS]儲存了句子的全部資訊。附加額外層將壓縮資訊投射到分類單元（此處為 100）。

數據

• 我們使用 OpenSubtitles 2018 西班牙語-英語平行語料庫來建立同義詞組。 OpenSubtitles 是翻譯電影字幕的大型集合。 en-es 資料由超過 61M 的對齊行組成。
• 理想情況下，訓練需要一個（非常）大的對話語料庫，但我們未能找到。我們使用康乃爾大學電影對話語料庫。它由 83,097 個對話或 304,713 行台詞組成。

要求

• 蟒蛇>=3.6
• tqdm>=4.30.0
• 火炬>=1.0
• pytorch_pretrained_bert>=0.6.1
• nltk>=3.4

訓練

• 步驟 0. 下載 OpenSubtitles 2018 西班牙文-英文平行資料。

 bash download.sh

• 步驟 1. 從語料庫建立同義詞組。

 python construct_sg.py

• 步驟 2. 製作 phr2sg_id 和 sg_id2phr 字典。

 python make_phr2sg_id.py

• 步驟 3. 將單語英語文字轉換為 ids。

 python encode.py

• 步驟 4. 建立訓練資料並儲存為 pickle。

 python prepro.py

• 第 5 步：訓練。

 python train.py

測試（演示）

• 下載並提取預訓練模型並執行以下命令。

 python test.py --ckpt log/9500_ACC0.1.pt

筆記

• 訓練損失緩慢但穩定地減少。
• 評估數據的 Accuracy@5 為 10% 至 20%。
• 對於實際應用，需要更大的語料庫。
• 不確定電影劇本與訊息對話有多少相似之處。
• 需要更好的建構同義詞組的策略。
• 基於檢索的聊天機器人是一種現實的應用程序，因為它比基於生成的聊天機器人更安全、更容易。