[PYTHON] Faire le contrôle d'un homme sandwich par l'apprentissage automatique ver4

Le 4ème à prendre le contrôle de Sandwichman par deep learning! !! !! !! !! !! !! !! !! !! !! !!

Je suis en charge de 14 traitements du langage naturel Calendrier de l'Avent 2019 (je suis désolé d'être en retard pour une journée !!!) https://qiita.com/advent-calendar/2019/nlp

Je veux faire automatiquement un contrôle comme un homme de sandwich, et je veux le vendre à un bureau qui rit pour 4000 billions de yens. Et je veux rencontrer Sandwich Man!

Cette fois, j'ai implémenté HRED avec pytorch!

Essai passé

Ver3 >> https://qiita.com/yoyoyo_/items/e03a1a5f99762352c95f Ver2 >> https://qiita.com/yoyoyo_/items/f30c538234e62dbaa081 Ver1 >> https://qiita.com/yoyoyo_/items/105879c386be1d8b0782

HRED

Le papier original est A Hierarchical Recurrent Encoder-Decoder For Generative Context-Aware Query Suggestion https://arxiv.org/abs/1507.02221 (2015)

En 3 lignes

--HRED est une abréviation pour Hierarchical Recurrent Encoder Decoder. ―― En termes simples, il génère automatiquement des conversations tout en s'appuyant sur le flux des conversations. seq2 Une évolution de seq. ――En insérant un RNN qui mémorise les réponses de conversation passées, il se développe en une "conversation" au lieu d'une question-réponse.

modèle

seq2 Comparez seq et HRED. HRED a ajouté le RNN hiérarchique (abrégé en HRNN) à seq2seq. HRNN est un RNN pour mémoriser le flux des conversations passées, et Decoder génère une réponse qui considère les conversations passées en initialisant l'état interne de HRNN.

Si vous utilisez ceci, pouvez-vous faire un bon contrôle? Voilà cette tentative! !!

seq2seq	HRED

algorithme

L'ordre est de répéter les étapes 1 à 5. Le nombre de répétitions est appelé le nombre de sessions, et il semble qu'il a été fixé à 5 fois dans le document.

1. Apprenez Encoder avec une phrase
2. Entrez la sortie du codeur dans HRNN
3. Réglez l'état interne du HRNN sur l'état initial de l'état interne du décodeur
4. Apprendre le décodeur
5. Réglez la sortie du décodeur sur l'entrée de l'encodeur et passez à 1.

code

Je l'ai également mis sur Deep Learning Knock!

https://github.com/yoyoyo-yo/DeepLearningMugenKnock/tree/master/Question_nlp#q-hred

Je l'ai essayé

Le premier "A: Salut, je suis Sandwich" est ce que j'ai tapé Pas un mot, mais essayer de comprendre le contexte?

A:Salut, je suis Sandwichman.
B:Quoi? ". Dix vous. Je suis désolé. .. Hmm vous. .. Dix vous. main. ?? À. main? ". ?? Hmm. main? Je suis désolé que vous. main. main. main. Teyo vous. main? Dix. Teten. main. main. Dix. main? Tente. main? .. Dix. main. Dix. main? .. Dix. main? Dix
A:C'est toi. Quoi? main. ?? Mais? C'est comme Gaden. Quoi? main. C'est bon. Quoi? Hmm. main? .. alors. Hmm. .. main? .. .. Dix. main. .. Hmm. Dix. main. Hmm. .. Dix. main? .. main. .. main. ?? alors. Quoi? C'est vrai. .. .. Ouais. .. .. Hmm. Yo de. main
B:Mais il est. "
A:.. main? ".
B: 。
A: 。
B:n'est-ce pas.
A:.. main. main. tu. main. main. main. Quoi! ". ".
B:Il n'y en a pas.
A:Ha ".
B:Ha "aussi. ".
A:"Hateta"
B:"Hahata".
A:Hamoyo ". "Deta"
B:Au revoir.
A:, ".
B: 。
A:C'est ça? ".
B:Vraiment? "
A:Hamoyo "
B: 。
A:"
B:Comment c'est?
A:C'est ça? .. .. main? ". .. main. .. ?? .. .. Je suis désolé. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
B:Mona ". .. main. .. tu. .. .. .. .. .. Hmm. .. ". .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
A:, ".
B:Ha "aussi.
A:Est même".
B: 。
A: 。
B:est".
A:Ha "
B:Ha "aussi. Quoi?
A:Hahamo. "? "
B:Ha ".
A:Ha "
B:"Hateta".
A:Est
B:Ha "
A:"Hata".
B:Hamoyo ".
A:Il est. "
B:Bonjour "
A:J'étais heureux. "
B:Hamoyotétan "
A:Hamoyo vous. Vous êtes sorti. "
B:Hayo "
A:Bonjour.
B:Naha.
A:Il est. "
B:Il est. "
A:.. Vous êtes! "
B:Ha ".
A:Qu'Est-ce que c'est?
B:". .. main. tu. .. Quoi? .. .. .. .. ". .. main. .. ?? ". .. .. .. .. .. .. .. .. .. .. N'est-ce pas? .. Je me demande. .. .. .. .. .. .. .. .. .. .. .. .. .. .. main. .. .. .. .. Il est. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
A:C'est ça? "
B:Qu'Est-ce que c'est? " ?? ". .. main. .. tu. .. Hmm. main. .. Hmm. .. ". main. .. ". Quoi?
A:Absent".
B:Ha "
A:Ha ".
B:"
A:.. C'est tout. "
B:Ha "aussi.
A:"Hateta"
B:Hamoyo. Aussi". «Tate ni».
A:Ha "
B:Hamoyo. À "
A:Qu'est-ce que c'était? ".
B:Qu'Est-ce que c'est? main"

Pour résumer en 3 lignes

• J'ai essayé de faire le contrôle d'un homme sandwich avec HRED qui incorporait RNN hiérarchique qui acquiert des informations de conversation passées dans seq2seq. «Ce n'est pas un langage humain, mais est-ce une réponse?
• Ensuite, essayez VHRED

Lorsque le Sandwich Man est complètement terminé, pensez-vous que tout le code jusqu'à présent sera assemblé et mis à la disposition de Git et d'autres?