smartchat conversational chatbot

内容

1. 存储库名称
2. 该项目的标题
3. 项目的简短描述
4. 项目的目标
5. 数据集的名称
6. 数据集的描述
7. 使用此数据集的项目的目标
8. 数据集的大小
9. 用作我们调查的一部分的算法
10. 项目要求
11. 使用该项目
12. 用户应使用哪种聊天机器人体系结构
13. 作者

存储库名称

SmartChat contrational-chatbot

该项目的标题

SmartChat：上下文感知的对话代理

项目的简短描述

开发一个聊天机器人，可以有效地适应对话中的上下文和主题转移，利用斯坦福问题回答数据集以提供知情和相关的回答，从而提高用户满意度和参与度。

项目的目标

创建一个用户友好的Web或应用程序接口，使用户能够与聊天机器人进行自然而连贯的对话，并具有很高的满意度等级。

数据集的名称

该项目中使用的数据集是Stanford问题回答数据集。

数据来源： Kaggle

数据集的类型：文本

数据集的描述

Stanford问题回答数据集（Squad）是一个阅读理解数据集，该数据集由人群工人对Wikipedia文章提出的问题组成。每个问题的答案是从相应的阅读段落中的文本或跨度的一部分。 500多种文章有100,000多个提问对。更多信息可以在以下网址找到：https：//rajpurkar.github.io/squad-explorer/

使用此数据集的项目的目标

• 该项目的目的是开发一个可以进行多转交谈，适应上下文并处理各种主题的聊天机器人。

数据集的大小：

• 该数据集有2个JSON文件。一种是用于培训，另一种是用于测试
  • DEV-V1.1.JSON - 4.9 MB
  • 火车-V1.1.JSON - 30.3 MB

用作我们调查的一部分的算法

• 使用2种不同的体系结构：
  • GPT2-MEDIUM架构使用Lora和PEFT
  • 伯特（Bert-Base-un-un-un-base）

项目要求

• python3
• 数据集
• 火炬
• peft
• 变压器
• 评价
• SafetEnsors
• numpy
• 熊猫
• matplotlib
• Scikit-Learn
• 海洋
• NLTK
• 胭脂得分
• 胭脂
• Gradio
• TQDM

使用该项目

• GoTO Squad数据集进行预处理，并确保您拥有train-v1.1.json和dev-v1.1.json文件。
  • 如果您没有它们，则可以在这里和这里下载它们
• GoTO Squad数据集预处理文件并运行所有单元格。
• 要执行和查看Bert（Bert-Base-un-uncly）方法的结果，请浏览Squead_Chatbot_using_bert-Base-Base-uncased_readme.md文件中提供的指令。
• 要执行和查看GPT（使用LORA和PEFT）方法的GPT结果，请浏览Squead_Chatbot_using_gpt2-medium_readme.md文件中提供的指令。

用户应使用哪种聊天机器人体系结构

• 实际上，两个聊天机器人运行良好。
• squad_using_gpt2-medium会生成答案，但大多数时间都有问题。
  • 有关观察和技术细节的更多信息，请参阅培训和验证文件。
• squad_using_bert-base-uncled und的运行良好。
• 最终结论是：用户可以使用任何聊天机器人。但是要获得完美的答案，请使用squad_using_bert-base-base-base-base。

作者

作者	联系方式
Ravi Teja Kothuru	[email protected]
Soumi Ray	[email protected]
Anwesha Sarangi	[email protected]