sharokku4869/chinese-chatbot

RNN+LSTM+seq2seq+Attention/Chinese中文聊天机器人

Chinese-ChatBot/中文聊天机器人

环境配置

程序	版本
python	3.68
Keras
windows10
jupyter

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训练。

运行

完整过程

• 数据预处理
  get_data
  
• 模型训练
  chatbot_train(此为挂载到google colab版本，本地跑对路径等需略加修改)
  
• 模型预测
  chatbot_inference_Attention
  

加载现有模型

• 运行chatbot_inference_Attention
  
• 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是挂载谷歌云盘用的，最后一个是获取那些loss方便画图，不知道为什么回调函数里的tensorbord不好使，故出此下策；
  
• 预测文件里倒数第二块代码只有文字输入没界面，最后一块代码是界面，根据需求两块跑其一即刻；
  
• 代码中有很多中间输出，希望对你理解代码提供了些许帮助;
  
• models里面有一个我训练好的模型，正常运行应该是没有问题的，你也可以自己训练
  
• 本人能力有限，并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。
  
• 未完待续。