基于python使用中文语料和dynamic-rnn的seq2seq模型开发的中文聊天机器人+源码+开发文档+代码解析（高分项目

# dynamic-seq2seq ### 基于中文语料和dynamic_rnn的seq2seq模型 --- ### Update: - 修复loss计算bug - 修复batch_size大于1时的计算bug ### Requirements - tensorflow-1.4+ - python2.7 (暂时未对python3 兼容) - requests - jieba - cPickle - numpy --- 谷歌最近开源了一个seq2seq项目 [google seq2seq](https://github.com/google/seq2seq) 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。 对话语料分别在**data**目录下 Q.txt A.txt中，可以替换成你自己的对话语料。 --- ### 用法: # 新增小黄鸡语料 # 添加 python prepare_dialog.py 5000 seq = Seq2seq() # 训练 seq.train() # 预测 seq.predict("天气") # 重新训练 seq.retrain() ### 效果: me > 天气 AI > 地点： 重庆 气温： 7 注意： 天气较凉，较易发生感冒，请适当增加衣服。体质较弱的朋友尤其应该注意防护。 ### Action: 本项目添加了Action支持，可以定制自己的功能 后续会加入多轮会话的支持！ 在action.py文件中,注册自己action标签及对应的接口，如: #　注意：参数为固定参数 def act_weather(model, output_str, raw_input): #TODO: Get weather by api page = requests.get("http://wthrcdn.etouch.cn/weather_mini?city=重庆") data = page.json() temperature = data['data']['wendu'] notice = data['data']['ganmao'] outstrs = "地点： %s\n气温： %s\n注意： %s" % ("重庆", temperature.encode("utf-8"), notice.encode("utf-8")) return outstrs actions = { "__Weather__":act_weather } Tips: 接口的参数暂时固定,后续更新 同时，训练语料如下设计: # Q.txt 天气 # A.txt __Weather__