用于神经对话生成的自适应多课程学习的代码库 - 资源下载

0 有用

1 下载

用于神经对话生成的自适应多课程学习的代码库

文件列表（压缩包大小 7.43M)

免费

概述

从简单到复杂的学习：用于神经对话生成的自适应多课程学习

此仓库包含AAAI2020论文的初步代码，该论文名为“从简单学习到复杂：用于神经对话生成的自适应多课程学习”。

该代码库建立在ParlAI项目的基础上。检查parlai/agents/adaptive_learning实验模型的实现。基于RL的多课程学习在于parlai/tasks/adaptive_learning。可以在中找到正在运行的脚本projects/adaptive_learning。

框架概述

环境要求

Python3
Pytorch 1.2或更高版本核心模块的依赖关系列在require.txt中。

数据

放入data/并使用解压缩tar -xzvf AdaptiveLearning.tar.gz 下载地址:https://drive.google.com/file/d/1Lj9R55u-xk1IVJ6uNXOUU0YjKvIURJAY/view?usp=sharing

运行

cd ~/Adaptive_Multi-curricula_Learning_for_Dialog
bash projects/adaptive_learning/shell/run.sh

最后一行projects/adaptive_learning/shell/run.sh指定了训练的初步论点：

# train_model  MODEL_NAME  TASK_NAME  SUB_TASK  T  VALIDATION_EVERY_N_SECS  VALIDATION_EVERY_N_EPOCHS  NUM_EPOCHS
train_model seq2seq personachat_h3 combine 11000 -1 0.2 30

此运行将Seq2seq使用数据集将多课程学习框架应用于模型PersonaChat。课程学习的持续时间是11000步骤。

将单一specificity课程对话学习应用到CVAE使用数据集的模型上DailyDialog，课程学习持续时间为8000： train_model cvae daily_dialog specificity 8000 -1 0.2 30

引文

@InProceedings {Hengyi_2020_AAAI，
  作者= {蔡恒一，陈宏深，张成，宋永浩，赵晓芳，李阳喜，段东升，尹大伟}，
  title = {从简单到复杂的学习：用于神经对话生成的自适应多课程学习}，
  booktitle = {第三十四届AAAI人工智能会议（AAAI）会议录}，
  年= {2020}
}

转载自：https://github.com/hengyicai/Adaptive_Multi-curricula_Learning_for_Dialog