中文聊天机器人

• 作者已全面转向GNN图神经网络方向C++开发，不再跟进NLP方面，项目代码停止维护。回想项目完成时，网上资源甚少，作者初次接触NLP与深度学习，克服重重困难，最终写出这个玩具模型。因此，作者深知新手不易，即使项目不再维护，但仍会及时回复issue或邮件(jayeew@qq.com)，以帮助深度学习新人。(我使用的Tensorflow版本太旧，新版本直接运行肯定会出现各种错误，如果遇到困难也不要费力去安装旧版环境，建议用Pytorch参照我的处理逻辑重构一遍，我懒得写了)<br>

• GNN方面:

• 改编整理了一套基准对比模型：GNNs-Baseline，以便快速验证想法。
• 本人的论文ACMMM 2023 (CCF-A) 开源代码在这里LSTGM。
• 本人的论文ICDM 2023 (CCF-B) 开源代码正在整理中。。。GRN

• 欢迎同好补充、交流、学习。

环境配置

主要参考资料

• 论文《NEURAL MACHINE TRANSLATION BY JOINTLY LEARNING TO ALIGN AND TRANSLATE(点击标题下载)》
• Attention结构图<br>

关键点

• LSTM
• seq2seq
• attention 实验表明加入attention机制后训练速度快，收敛快，效果更好。

语料及训练环境

青云语料库10万组对话，在Google Colaboratory上训练。

运行

方式一：完整过程

• 数据预处理<br> get_data<br>
• 模型训练<br> chatbot_train(此为挂载到Google Colab版本，本地运行需略作修改路径等)<br>
• 模型预测<br> chatbot_inference_Attention<br>

方式二：加载现有模型

• 运行chatbot_inference_Attention<br>
• 加载models/W--184-0.5949-.h5

界面(Tkinter)

Attention权重可视化

其他

• 训练文件chat_bot中，最后三块代码前两个用于挂载Google云盘，最后一个用于获取loss以便绘图，因为不知为何回调函数中的TensorBoard不好用，故采用此下策；<br>
• 预测文件中倒数第二块代码仅有文字输入无界面，最后一块代码是界面，根据需求运行其中之一即可；<br>
• 代码中有许多中间输出，希望能帮助你理解代码；<br>
• models文件夹中有一个我训练好的模型，正常运行应该没有问题，你也可以自己训练；<br>
• 由于作者能力有限，未找到量化对话效果的指标，因此loss只能大致反映训练进度。<br>