dynamic-seq2seq
基于中文語料和dynamic_rnn的seq2seq模型
需要 python3+ tensorflow-1.0+
谷歌最近開源了一個seq2seq項目 google seq2seq
這個項目加入了beam search,但是非官方的項目,并且該項目是直接從檔案裡面讀資料,是以需要修改代碼。
tensorflow推出了dynamic_rnn替代了原來的bucket,本項目就是基于dynamic_rnn的seq2seq模型。
這裡我建構了一些對話預料,中文語料本身就比較稀缺,理論上來說語料越多模型的效果越好,但會遇到很多新的問題,這裡就不多作說明。
詳情github dynamic-seq2seq
用法:
# 預處理
python3 preprocessing.py
# 訓練
python3 seq2seq.py train
# 重新訓練
python3 seq2seq.py retrain
# 預測
python3 seq2seq.py infer
效果:
me > 你的名字
RR > 我叫RR
me > 你
RR > 我是RR呀,請問有什麼可以幫您嗎?
me > 天氣
RR > 地點: 重慶
氣溫:
注意: 各項氣象條件适宜,無明顯降溫過程,發生感冒機率較低。
me > 北京的天氣
RR > 地點: 北京
氣溫:
注意: 各項氣象條件适宜,無明顯降溫過程,發生感冒機率較低。
me > 我是誰
RR > 您是yw
me > 修改我的名字
ai > 您需要我叫您什麼?
me > 程式猿
RR > 好的以後就叫您程式猿了
me > 我的名字
RR > 您是程式猿