聊天机器人
dialogbot的Python项目详细描述
对话框bot
dialogbot，提供完整的对话模型技术。将任务型对话模型、搜索型对话模型和生成型对话模型相结合，输出最佳对话响应。
基于语义分析（tensorflow），知识图（neo4j）和数据挖掘（spider）
功能
检索对话框bot
计算问题相似度，使用
- tfidf
- BM25
- 一个热的
- 查询向量
目标导向对话机器人
- 端到端内存网络（memn2n）
- BABI数据集
生成对话机器人
- 序列到序列模型（seq2seq）
- 淘宝数据集
快速启动
要求和安装
该项目基于tensorflow 1.12.0+和python 3.6+。 然后，简单地做：
pip3 install dialogbot
或
git clone https://github.com/shibing624/dialogbot.git
cd dialogbot
python3 setup.py install
示例用法
让我们运行聊天机器人：
importdialogbotimportBotbot=Bot()response=bot.answer('亲 吃了吗？')print(response)完成了！
这应该打印：
query: "亲 吃了吗？"answer: "吃了的，你好呀"
演示
联系人
请将您的问题或意见通过电子邮件发送到xuming（shibing624）
贡献
感谢您对贡献的兴趣！参与的方式有很多； 从我们的贡献者指南开始，然后 查看这些打开的问题以了解特定任务。
对于希望深入了解api的贡献者，我们建议克隆存储库并签出单元 测试如何调用方法的示例。几乎所有的类和方法都有文档记录，所以要找到解决方法 希望代码应该很简单。
参考
基于网络的端到端可训练任务导向对话系统 文T H，范德克D，克西克N先生等。一个基于网络的端到端可训练的面向任务的对话系统[J]。2016。 《以任务为导向的任务导向性研究》第五期《以任务为导向的任务导向性研究》。20915问题： • 将这个问题看做是 partially observable Markov Decision Process (POMDP)，利用强化学习在线与真实用户交互。但是语言理解和语言生成模块仍然需要语料去训练。而且为了让 RL 能运作起来，state 和 action space 重新加载功能 •Seeq或《第二次世界末日》的《第二次世界末日》杂志。是的。 方法
如何不去评价你的对话系统：一项关于u对话响应生成的无监督评估指标
A.博德斯，Y.博罗，J.韦斯顿。学习端到端目标导向对话2016
信息访问对话代理的端到端强化学习 2016年
赵T，Eskenazi M.使用深度强化学习进行对话状态跟踪和管理的端到端学习[J]。ARXIV预印本ARXIV:1606.025602016。 2016年工程
Kulkarni T D、Narasimhan K R、Saeedi A等。分层深层强化学习：时间抽象与内在动机的整合[J].arxiv预印本arxiv:1604.060572016。
bbq网络：面向任务的对话系统深度强化学习的有效探索 AAAI2018烧烤网络 提出了一种新的算法，可以显著提升对话系统中深度 Q 学习智能体的探索效率。我们的智能体通过汤普森采样（Thompson sampling）进行探索，可以从 Bayes-by-Backprop 神经网络中抽取蒙特卡洛样本。我们的算法的学习速度比 ε-greedy、波尔兹曼、bootstrapping 和基于内在奖励（intrinsic-reward）的方法等常用的探索策略快得多。此外，我们还表明：当 Q 学习可能失败时，只需将少数几个成功 episode 的经历叠加到重放缓冲（replay buffer）之上，就能使该 Q 学习可.
双q学习的深度强化学习
深度注意重复q网络
simpleds：一个简单的深度强化学习对话系统
利用自然语言动作空间进行深度强化学习
集成用户和代理模型：一个面向任务的深层对话系统
深度强化学习聊天机器人 亚历山大亚克 MILABOT 能够与人类就流行的闲聊话题进行语音和文本交流。该系统包括一系列自然语言生成和检索模型，如模板模型、词袋模型、序列到序列神经网络和隐变量神经网络模型。 本网站的相关信息。工作。 "A/B"A/B"A/B"之"A/B/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/B/B"之"A/B"之"A/B"之"A/B"之"A/B"之"A/32487英里。
许可证
apache许可证2.0
欢迎加入QQ群-->： 979659372
