chatbot

项目介绍：Game Character Speech Chatbot

这个项目是一个基于聊天机器人技术的应用，具体地说，是利用微软开发的DialoGPT-medium模型，并结合一个游戏角色——Joshua，来自游戏《美妙世界》进行训练。数据来源于一个Kaggle平台上的游戏脚本数据集，其中详细记录了Joshua在游戏中的对话内容。

项目背景

微软的DialoGPT是一个预训练的对话生成模型，专门用于模拟自然对话。它的数据基础来源于大量的对话文本，从而让模型能够有效地学习和生成类似人类的对话内容。在这个项目中，DialoGPT模型被微调，专门学习了Joshua这个游戏角色的说话风格与语言模式。

项目实现

为了实现这个聊天机器人，开发者使用了Python编程语言，结合Hugging Face的Transformers库，这个库提供了强大的NLP（自然语言处理）模型接口，包括加载和调整DialoGPT模型。通过以下步骤和代码片段实现与模型的互动：

1. 初始化： 首先，需要加载适当的tokenizer和模型，以处理输入的文本和产生输出。

   tokenizer = AutoTokenizer.from_pretrained('microsoft/DialoGPT-small')
   model = AutoModelWithLMHead.from_pretrained('output-small')

2. 对话实现： 在对话循环中，模型接收用户输入，经过编码后与历史对话结合，以生成新的聊天内容。模型会根据设定的参数返回AI生成的回应，例如最大长度、重复文本控制和温度参数等来确保对话的流畅性和多样性。

   # 对话循环
   for step in range(100):
        new_user_input_ids = tokenizer.encode(input(">> User:") + tokenizer.eos_token, return_tensors='pt')
        bot_input_ids = torch.cat([chat_history_ids, new_user_input_ids], dim=-1) if step > 0 else new_user_input_ids
        
        chat_history_ids = model.generate(
            bot_input_ids, max_length=500,
            pad_token_id=tokenizer.eos_token_id,  
            no_repeat_ngram_size=3,       
            do_sample=True, 
            top_k=100, 
            top_p=0.7,
            temperature = 0.8
        )
        
        print("AI: {}".format(tokenizer.decode(chat_history_ids[:, bot_input_ids.shape[-1]:][0], skip_special_tokens=True)))

3. 参数调优： 为了生成符合特定聊天风格的对话，可以调整如下几个关键参数：

   • max_length：设置生成文本的最大长度。
   • no_repeat_ngram_size：限制相同的n-gram（如短语）的重复频次。
   • do_sample：决定是否使用采样机制。
   • top_k和top_p：控制采样的范围和灵活性。
   • temperature：调节输出的随机性。

应用场景

这个项目适用于开发和研究聊天类AI应用，尤其是在需要模拟特定角色，创造拟人化体验的场景中具有优势。它可以被应用于游戏开发、娱乐对话生成、教育互动以及其他需要角色扮演的应用中。

通过这个项目，开发者能够更好地理解如何针对特定领域或角色进行AI对话模型的微调和应用，实现更接近真实人类互动的对话体验。