dynamic-seq2seq
欢迎关注我的另一个项目基于Pytorch以及Beam Search算法的中文聊天机器人
基于中文语料和dynamic_rnn的seq2seq模型
Update:
- 修复loss计算bug
- 修复batch_size大于1时的计算bug
Requirements
- tensorflow-1.4+
- python2.7 (暂时未对python3 兼容)
- requests
- jieba
- cPickle
- numpy
谷歌最近开源了一个seq2seq项目 google seq2seq
tensorflow推出了dynamic_rnn替代了原来的bucket，本项目就是基于dynamic_rnn的seq2seq模型。
这里我构建了一些对话预料，中文语料本身就比较稀缺，理论上来说语料越多模型的效果越好，但会遇到很多新的问题，这里就不多作说明。
对话语料分别在data目录下 Q.txt A.txt中，可以替换成你自己的对话语料。
用法:
# 新增小黄鸡语料
# 添加
python prepare_dialog.py 5000
seq = Seq2seq()
# 训练
seq.train()
# 预测
seq.predict("天气")
# 重新训练
seq.retrain()
效果:
me > 天气
AI > 地点： 重庆
气温： 7
注意： 天气较凉，较易发生感冒，请适当增加衣服。体质较弱的朋友尤其应该注意防护。
Action:
本项目添加了Action支持，可以定制自己的功能
后续会加入多轮会话的支持！
在action.py文件中,注册自己action标签及对应的接口，如:
# 注意：参数为固定参数
def act_weather(model, output_str, raw_input):
#TODO: Get weather by api
page = requests.get("http://wthrcdn.etouch.cn/weather_mini?city=重庆")
data = page.json()
temperature = data['data']['wendu']
notice = data['data']['ganmao']
outstrs = "地点： %s\n气温： %s\n注意： %s" % ("重庆", temperature.encode("utf-8"), notice.encode("utf-8"))
return outstrs
actions = {
"__Weather__":act_weather
}
Tips: 接口的参数暂时固定,后续更新
同时，训练语料如下设计:
# Q.txt
天气
# A.txt
__Weather__