项目说明

一个能够在线部署的全流程对话系统，项目地址：nlp-dialogue。本项目的目标是奔着构建一个能够在线部署、执行、应用的全流程对话系统，即包含语料处理、训练、评估、推断、部署、Web服务的从头到尾的UI化系统功能。项目中计划同时包含开放域和面向任务型两种对话系统，模型的思路来源即为针对相关模型进行复现（论文阅读笔记放置在另一个项目：nlp-paper）。本项目中同时使用TensorFlow和Pytorch两种计算框架进行实现，可按需要进行切换，目前实现功能模型如下：

  • TensorFlow模型
    • Transformer
    • Seq2Seq
    • SMN检索式模型
    • Scheduled Sampling的Transformer
    • GPT2
    • Task Dialogue
  • Pytorch模型
    • Transformer
    • Seq2Seq

功能效果

项目可以在开发终端使用命令行进行测试和使用（执行和目录说明见后面小节），下面的demo演示为使用beam size为3的BeamSearch进行推断，有时因为语料的原因，对话可能略偏杂乱，词汇量不足也会出现<unk>的情况，命令行终端使用如下：
在这里插入图片描述
Web服务界面进行聊天使用如下（启动server，详细请看后节执行说明）：
在这里插入图片描述
在这里插入图片描述

语料

在本项目中的data目录下放着各语料的玩具数据，可用于验证系统执行性，完整语料以及Paper可以在这里查看。语料方面这里知识简单陈列了比较容易找到的，其实还有很多丰富的对话语料，包括逻辑学习语料等，可自行收集：

  • LCCC
  • CrossWOZ
  • 小黄鸡
  • 豆瓣
  • Ubuntu
  • 微博
  • 青云
  • 贴吧

执行说明

  • Linux执行run.sh，项目工程目录检查执行check.sh（或check.py）
  • 根目录下的actuator.py为总执行入口，通过调用如下指令格式执行（执行前注意安装requirements.txt）：
    1
    python actuator.py --version [Options] --model [Options] ...
  • 通过根目录下的actuator.py进行执行时，--version、--model和--act为必传参数，其中--version为代码版本tf/torch，--model为执行对应的模型transformer/smn...，而act为执行模式（缺省状态下为pre_treat模式），更详细指令参数参见各模型下的actuator.py或config目录下的对应json配置文件。
  • --act执行模式说明如下：
    • pre_treat模式为文本预处理模式，如果在没有分词结果集以及字典的情况下，需要先运行pre_treat模式
    • train模式为训练模式
    • evaluate模式为指标评估模式
    • chat模式为对话模式，chat模式下运行时，输入ESC即退出对话。
  • 正常执行顺序为pre_treat->train->evaluate->chat
  • 各模型下单独有一个actuator.py，可以绕开外层耦合进行执行开发，不过执行时注意调整工程目录路径

目录结构说明

  • dialogue下为相关模型的核心代码放置位置，方便日后进行封装打包等
    • checkpoints为检查点保存位置
    • config为配置文件保存目录
    • data为原始数据储存位置，同时，在模型执行过程中产生的中间数据文件也保存在此目录下
    • models为模型保存目录
    • tensorflow及pytorch放置模型构建以及各模组执行的核心代码
    • preprocess_corpus.py为语料处理脚本，对各语料进行单轮和多轮对话的处理，并规范统一接口调用
    • read_data.py用于load_dataset.py的数据加载格式调用
    • metrics.py为各项指标脚本
    • tools.py为工具脚本，保存有分词器、日志操作、检查点保存/加载脚本等
  • docs下放置文档说明，包括模型论文阅读笔记
  • docker（mobile）用于服务端（移动终端）部署脚本
  • server为UI服务界面，使用flask进行构建使用，执行对应的server.py即可
  • tools为预留工具目录
  • actuator.py（run.sh）为总执行器入口
  • check.py（check.sh）为工程目录检查脚本

SMN模型运行说明

SMN检索式对话系统使用前需要准备solr环境，solr部署系统环境推荐Linux，工具推荐使用容器部署(推荐Docker)，并准备：

  • Solr(8.6.3)
  • pysolr(3.9.0)

以下提供简要说明，更详细可参见文章：搞定检索式对话系统的候选response检索–使用pysolr调用Solr

Solr环境

需要保证solr在线上运行稳定，以及方便后续维护，请使用DockerFile进行部署，DockerFile获取地址：docker-solr

仅测试模型使用，可使用如下最简构建指令：

1
2
3
4
5
docker pull solr:8.6.3
# 然后启动solr
docker run -itd --name solr -p 8983:8983 solr:8.6.3
# 然后创建core核心选择器，这里取名smn(可选)
docker exec -it --user=solr solr bin/solr create_core -c smn

关于solr中分词工具有IK Analyzer、Smartcn、拼音分词器等等，需要下载对应jar，然后在Solr核心配置文件managed-schema中添加配置。

特别说明：如果使用TF-IDF，还需要在managed-schema中开启相似度配置。

Python中使用说明

线上部署好Solr之后，在Python中使用pysolr进行连接使用：

1
pip install pysolr

添加索引数据（一般需要先安全检查）方式如下。将回复数据添加索引，responses是一个json,形式如：[{},{},{},…]，里面每个对象构建按照你回复的需求即可：

1
2
3
4
solr = pysolr.Solr(url=solr_server, always_commit=True, timeout=10)
# 安全检查
solr.ping()
solr.add(docs=responses)

查询方式如下，以TF-IDF查询所有语句query语句方式如下：

1
{!func}sum(product(idf(utterance,key1),tf(utterance,key1),product(idf(utterance,key2),tf(utterance,key2),...)

使用前需要先将数据添加至Solr，在本SMN模型中使用，先执行pre_treat模式即可。

参考代码和文献

  1. Attention Is All You Need | 阅读笔记：Transformer的开山之作，值得精读 | Ashish et al,2017
  2. Sequential Matching Network: A New Architecture for Multi-turn Response Selection in Retrieval-Based Chatbots | 阅读笔记：SMN检索式对话模型，多层多粒度提取信息 | Devlin et al,2018
  3. Massive Exploration of Neural Machine Translation Architectures | 阅读笔记：展示了以NMT架构超参数为例的首次大规模分析，实验为构建和扩展NMT体系结构带来了新颖的见解和实用建议。 | Denny et al,2017
  4. Scheduled Sampling for Transformers | 阅读笔记：在Transformer应用Scheduled Sampling | Mihaylova et al,2019