paraphrase id tensorflow
1.0.0
在TensorFlow（1.1.0）中实现的释义标识的各种模型和代码。
我非常注意记录代码，并在整个模型中的各个步骤中解释了我在做什么；希望对于那些希望开始使用TensorFlow的人来说，这将是教学示例代码！
到目前为止，该仓库已经实施：
基本的Siamese LSTM基线，基于Mueller，Jonas和Aditya Thyagarajan的模型。 “学习句子相似性的暹罗复发架构。” AAAI（2016）。
如Liu，Yang等人所述，具有添加“匹配层”的暹罗LSTM模型。 “使用双向LSTM模型和内部注意力学习自然语言推断。” CORR ABS/1605.09090（2016）。
来自Wang，Zhiguo等人的双边多方面匹配模型或更无效的状态。 “与自然语言句子相匹配的双边多角度。” CORR ABS/1702.03814（2017）。
PR添加更多模型 /优化或修补现有的PR非常欢迎！大部分模型代码位于副词/型号中
许多数据处理代码均取自Allenai / deep_qa的 /启发，如果您喜欢该项目的结构化，请查看它们！
该项目是在Python 3.5上进行了开发的，并已在其他版本的Python上进行了测试，并且包装要求符合requirements.txt 。
安装要求：
pip install -r requirements.txt
请注意，安装要求后，您必须通过运行（在外壳中）下载必要的NLTK数据：
python -m nltk.downloader punkt
请注意， requirements.txt文件将tensorflow指定为依赖项，这是TensorFlow的CPU结合版本。如果您有GPU，则应卸载此CPU TensorFlow并通过运行安装GPU版本：
pip uninstall tensorflow
pip install tensorflow-gpu
首先，运行以下内容以生成用于存储数据，训练模型和日志的辅助目录：
make aux_dirs
此外，如果您想使用验证的手套向量，请运行：
make glove
它将下载验证的手套向量到data/external/ 。在同一目录中提取文件。
要使用Quora问题对数据，请从Kaggle下载数据集（可能需要帐户）。将下载的ZIP档案放在data/raw/中，然后将文件提取到同一目录。
然后，运行：
make quora_data
为了自动清洁和处理scripts/data/quora中的脚本的数据。
要使用模型训练模型或负载 +预测，然后用python <script_path>在scripts/run_model/中运行脚本。您可以通过运行python <script_path> -h获取有关其获取的参数的其他文档
这是基线暹罗比尔斯特的示例运行命令：
python scripts/run_model/run_siamese.py train --share_encoder_weights --model_name=baseline_siamese --run_id=0
这是带有匹配层的暹罗bilstm的示例运行命令：
python scripts/run_model/run_siamese_matching_bilstm.py train --share_encoder_weights --model_name=siamese_matching --run_id=0
这是BIMPM模型的示例运行命令：
python scripts/run_model/run_bimpm.py train --early_stopping_patience=5 --model_name=biMPM --run_id=0
请注意，默认值可能不是您使用的理想选择，因此请随时随意转动旋钮。
您对如何改善此存储库有想法吗？有功能请求，错误报告还是补丁？随时开放问题或公关，因为我很乐意解决问题并查看拉力请求。
├── LICENSE
├── Makefile <- Makefile with commands like `make data` or `make train`
├── README.md <- The top-level README for developers using this project.
├── data
│ ├── external <- Data from third party sources.
│ ├── interim <- Intermediate data that has been transformed.
│ ├── processed <- The final, canonical data sets for modeling.
│ └── raw <- Original immutable data (e.g. Quora Question Pairs).
|
├── logs <- Logs from training or prediction, including TF model summaries.
│
├── models <- Serialized models.
|
├── requirements.txt <- The requirements file for reproducing the analysis environment
│
├── duplicate_questions<- Module with source code for models and data.
│ ├── data <- Methods and classes for manipulating data.
│ │
│ ├── models <- Methods and classes for training models.
│ │
│ └── util <- Various helper methods and classes for use in models.
│
├── scripts <- Scripts for generating the data
│ ├── data <- Scripts to clean and split data
│ │
│ └── run_model <- Scripts to train and predict with models.
│
└── tests <- Directory with unit tests.
