dynamic-seq2seq

基于中文语料和dynamic_rnn的seq2seq模型

需要 python3+ tensorflow-1.0
由于tensorflow升级 本教程只适合tesorflow-1.0版本

谷歌最近开源了一个seq2seq项目 google seq2seq
这个项目加入了beam search，但是非官方的项目，并且该项目是直接从文件里面读数据，所以需要修改代码。
tensorflow推出了dynamic_rnn替代了原来的bucket，本项目就是基于dynamic_rnn的seq2seq模型。

这里我构建了一些对话预料，中文语料本身就比较稀缺，理论上来说语料越多模型的效果越好，但会遇到很多新的问题，这里就不多作说明。
我在模型中加入了Action，可以实现简单的功能，算是Demo吧。  

对话语料分别在根目录下 question.txt answer.txt中，可以替换成你自己的对话语料。
然后使用preprocessing.py自动化预处理。

用法:

# 预处理
python3 preprocessing.py
# 训练
python3 seq2seq.py train
# 重新训练
python3 seq2seq.py retrain
# 预测
python3 seq2seq.py infer

效果:

me > 你的名字
RR > 我叫RR

me > 你
RR > 我是RR呀，请问有什么可以帮您吗？

me > 天气
RR > 地点： 重庆
     气温： 27
     注意： 各项气象条件适宜，无明显降温过程，发生感冒机率较低。

me > 北京的天气
RR > 地点： 北京
     气温： 26
     注意： 各项气象条件适宜，无明显降温过程，发生感冒机率较低。
     
me > 我是谁
RR > 您是yw
me > 修改我的名字
ai > 您需要我叫您什么？
me > 程序猿
RR > 好的以后就叫您程序猿了
me > 我的名字
RR > 您是程序猿