一个可以使用自己语料进行训练的中文聊天机器人,欢迎大家实践交流。
#关于语料的说明
本次训练的语料是从互联网上找到的shooter的训练语料,语料质量很差劲,仅作为演示代码来用,大家可以使用自己的语料 语料下载地址:https://pan.baidu.com/s/1kWYIOVt,将文件下载后放到data目录下。
#代码执行顺序
1、在下载好代码和语料之后,将语料文件放入data目录下。 2、按照 数据预处理器(data_utls.py)-->execute.py(执行器)-->web/app.py(预测可视化模块)的顺序执行就可以了。 3、超参配置在seq2seq.ini和seq2seq_sever.ini文件中配置。 4、详细的代码讲解可以参与我的chat文章(http://gitbook.cn/books/5a4a16da1f2e8d585e464f44/index.html)。
#参考代码和文献
http://blog.topspeedsnail.com/archives/10735/comment-page-1#comment-1161。
http://www.easyapple.net/?p=1384&from=singlemessage&isappinstalled=0。
#建议环境
ubuntu14.04 python3.5 tensorflow==1.10.1或者tensorflow-gpu==1.10.1 flask==0.11.1
#关于版权
本代码遵循Apache2.0开源协议,作为一个平台供大家学习和研究交流,不过希望大家fork和给star。
#已更新功能清单:
V1.1:已经增加中文分词,效果是变得更好了。注意在使用分词后,需要增加词典的大小,否则的话会导致词典无法覆盖训练集,导致出现很多的UNK。直接在seq2seq.ini中修改超参数enc_vocab_size和dec_vocab_size的值即可。
#未来要更新的功能Flag: 1、考虑到GAN在实践中取得成绩,在未来三个月内会增加一个基于SeqGan的版本,以增加训练的效果。