两种开源聊天机器人的性能测试（二）——基于tensorflow的chatbot

http://blog.csdn.net/hfutdog/article/details/78155676

开源项目链接：https://github.com/dennybritz/chatbot-retrieval/

 

      它实现一个检索式的机器人。采用检索式架构，有预定好的语料答复库。检索式模型的输入是上下文潜在的答复。模型输出对这些答复的打分，选择最高分的答案作为回复。

      下面进入正题。

      1.环境配置

      首先此项目需要的基本条件是使用Python3(我用的是Python3.4)，tensorflow版本为0.11.0。关于Python这里不多说，网上很多修改Python默认值的文章。后续内容我都将采用python3或者pip3指令，在Python3下进行操作。tensorflow在我测试时，过低版本或者新版本都会出现一些问题，所以建议和我采用一样的版本（因为我的电脑是AMD的显卡，所以我没有选择GPU版本的tensorflow，有条件的可以选择）。如果不是可以采用以下命令修改：

sudo pip3 uninstall tensorflow

sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0-cp34-cp34m-linux_x86_64.whl

      好了，最基本的条件准备好了。

      下面我们将安装一系列的依赖包，因为里面依赖关系比较复杂，所以需要注意一下先后顺序。我们在命令行中依次输入以下指令：

sudo apt-get upgrade python3-pip

sudo pip3 install numpy scipy scikit-learn pandas pillow jupyter

sudo pip3 install backports.weakref==1.0rc1

sudo apt-get build-dep Python-imaging

sudo pip3 install tflearn

      到这里，我们的环境基本配置好了，但是因为我是在配置过程中一个一个去解决的这些问题，中间碰到的问题也比较多，这是重新整理过的，每个人的环境也都有所差异，我也不能确保这样就完全正确。一般这里面碰到问题无非就是两种，一是缺包，二是tensorflow版本的问题，往这两方面考虑就可以解决。

      最后，检查一下这些工具是否都安装，我们开始导入数据。

      首先执行git clone https://github.com/dennybritz/chatbot-retrieval/

      然后到此链接https://drive.google.com/file/d/0B_bZck-ksdkpVEtVc1R6Y01HMWM/view（需要fanqiang）去下载数据，页面如果显示“糟糕，出现预览问题，正在重新加载”，不要管它，点击下载即可。将下载到的数据解压到刚才clone的文件夹chatbot-retrieval的data中，如图所示：

  2.训练与测试

      在chatbot-retrieval文件夹中打开终端，或者cd到该文件夹下，执行以下指令：

python3 udc_train.py

      即可开始训练，我采用CPU训练了三个多小时，这个视个人情况而定，可以按Ctrl+Z提前结束。在GPU上训练2万次大约一个多小时。正常训练过程中如图所示：

 

      训练完后仍然在刚才的路径下可以执行以下命令对模型进行评估（可以跳过）：

python3 udc_test.py –model_dir=./runs/1504264339/

其中后面的数字名称的文件夹名因人而异，不同的训练批次名称也不一样。这个名称在训练的那张截图里也可以发现。

      最后，进入我们的测试环节。

      找到chatbot-retrieval文件夹下的udc_predict.py文件，将30行INPUT_CONTEXT =后的内容改成自己想要问的内容，将31行POTENTIAL_RESPONSES = []中的内容替换成机器人的候选答案。因为这个项目没有实现一问一答的模式，每次只是给不同的答案进行打分，分数最高的那个是它的期望回答，所以下面我们都将以其回答中打分最高的回答作为标准判断正确率。仍然在chatbot-retrieval文件夹路径下执行python3udc_predict.py --model_dir=./runs/1504221361/指令进行测试。

      下面是测试情况：

• 中文闲聊型：

      （1）INPUT_CONTEXT = "你好"

      POTENTIAL_RESPONSES = ["你好", "早上好","中午好","晚上好","好啊","好久不见","很高兴认识你","初次见面请多多指教","我不好","你是谁",]

      测试效果如图，我们将每个结果的打分筛选出来。

 

Context: 你好

你好: 0.501835

早上好: 0.501835

中午好: 0.501835

晚上好: 0.501835

好啊: 0.501835

好久不见: 0.501835

很高兴认识你: 0.501835

初次见面请多多指教: 0.501835

我不好: 0.501835

你是谁: 0.501835

      可以看到所有回答的打分都是一样的，这其实是因为语料库采用了Ubuntu对话数据集，无法处理中文。我们再测一组中文进行验证。

 

      （2）INPUT_CONTEXT = "明天上午啥课？"

      POTENTIAL_RESPONSES = ["明天上午没课", "计算机图形学和形式与政策","明天上午有课吗","还没开学好不好","包子和稀饭","超市没开门","明天下雨","那一年你正年轻","时间是让人猝不及防的东西","瞎扯",]

测试结果：