Github上Seq2Seq_Chatbot_QA中文语料和DeepQA英文语料两个对话机器人测试
2017-08-07 17:17
519 查看
Seq2Seq_Chatbot_QA和DeepQA两个对话机器人测试代码:
mkdir ~/qa
cd ~/qa
-------中文Chatbot-------
git clone https://github.com/qhduan/Seq2Seq_Chatbot_QA.git
git clone https://github.com/rustch3n/dgk_lost_conv.git
cp dgk_lost_conv/dgk_shooter_min.conv.zip Seq2Seq_Chatbot_QA/
cd Seq2Seq_Chatbot_QA/
unzip dgk_shooter_min.conv.zip
pip3 install tqdm
python3 decode_conv.py
python3 data_utils.py
./train_model.sh
./train_model.sh test true
备注:大约5天训练时间,5个epoch,一个22小时左右
能给出相关答案。可尝试【你好。你叫什么名字?你喜欢我吗?】这样的问句。
参考:https://github.com/qhduan/Seq2Seq_Chatbot
-------英文Chatbot-------
cd ~/qa
git clone https://github.com/Conchylicultor/DeepQA.git
cd DeepQA
python3 -m nltk.downloader punkt
pip3 install django channels Redis asgi_redis
apt install -y redis-server
python3 main.py
#the trained model is in DeepQA/save/model,
#we should copy it to DeepQA/save/model-server so that we can talk with chatbot in web interface.
cp -r save/model/* save/model-server
export CHATBOT_SECRET_KEY="my-secret-key"
cd chatbot_website/
python3 manage.py makemigrations
python3 manage.py migrate
redis-server &
python3 manage.py runserver
firefox: http://localhost:8000/
备注:cpu下大约需要训练2.5天,30个epoch,每个epoch需要1.5小时左右
有界面,可尝试【what's your name? how old are you?】这样的问句。
参考:https://github.com/Conchylicultor/DeepQA
mkdir ~/qa
cd ~/qa
-------中文Chatbot-------
git clone https://github.com/qhduan/Seq2Seq_Chatbot_QA.git
git clone https://github.com/rustch3n/dgk_lost_conv.git
cp dgk_lost_conv/dgk_shooter_min.conv.zip Seq2Seq_Chatbot_QA/
cd Seq2Seq_Chatbot_QA/
unzip dgk_shooter_min.conv.zip
pip3 install tqdm
python3 decode_conv.py
python3 data_utils.py
./train_model.sh
./train_model.sh test true
备注:大约5天训练时间,5个epoch,一个22小时左右
能给出相关答案。可尝试【你好。你叫什么名字?你喜欢我吗?】这样的问句。
参考:https://github.com/qhduan/Seq2Seq_Chatbot
-------英文Chatbot-------
cd ~/qa
git clone https://github.com/Conchylicultor/DeepQA.git
cd DeepQA
python3 -m nltk.downloader punkt
pip3 install django channels Redis asgi_redis
apt install -y redis-server
python3 main.py
#the trained model is in DeepQA/save/model,
#we should copy it to DeepQA/save/model-server so that we can talk with chatbot in web interface.
cp -r save/model/* save/model-server
export CHATBOT_SECRET_KEY="my-secret-key"
cd chatbot_website/
python3 manage.py makemigrations
python3 manage.py migrate
redis-server &
python3 manage.py runserver
firefox: http://localhost:8000/
备注:cpu下大约需要训练2.5天,30个epoch,每个epoch需要1.5小时左右
有界面,可尝试【what's your name? how old are you?】这样的问句。
参考:https://github.com/Conchylicultor/DeepQA
相关文章推荐
- tensorflow72 《深度学习原理与TensorFlow实战》05 RNN能说会道 03 对话机器人(chatbot)
- seq2seq-chatbot:200 行代码实现聊天机器人
- 从头实现深度学习的对话系统--新版本tf seq2seq API构建chatbot
- JS获取字符串长度(中文占两个,数字与英文占一个)
- 对话系统ChatScript入门(Linux版本)——制作简单的中文对话系统
- 一份不错的性能测试计划模版,可惜是英文的。(转自QACity)
- 一个原始的对话系统的例子,尝试与 NLTK 的 chatbot 谈话
- 得到指定占用宽度的字体 。(英文占用一个位,中文占用两个位,英文大写占用两个位)
- 测试文字字节长度,中文为2,英文、数字为1,特殊字符为2
- 正则表达式 jquery js 只能输入中文和汉字,正则表达式禁用英文26个字母 通达OA测试
- 聊天机器人教学:使用Dialogflow (API.AI)开发 iOS Chatbot App
- 截取文本,区分中英文字符,中文算两个长度,英文算一个长度
- 计算文本长度,区分中英文字符,中文算两个长度,英文算一个长度
- (推荐)叮当——中文语音对话机器人
- JS 判断输入字符串的长度(中文占用两个字节,英文占用一个字节)
- 用图灵机器人实现的两个机器人对话聊天
- javascript 返回字符长度,中文为两个字节,英文为一个字节
- javascript计算中文字符长度(一个中文字符相当于两个英文字符)
- 解决文本框中输入字符限制---精确控制中文占两个字节,英文占一个字节~