funnybot

有趣的机器人

这是一种创建一个有趣的机器人，该机器人在笑话中训练。该项目的目的是从字符级别的LSTM模型中绘制实际上很有趣的样本。

阅读我的博客文章以进行详细分析和结果。

该项目还获得了TED想法的报道：https：//ideas.ted.com/can-you-teach-a-computer-to-be-funny/

数据集

• 简短的笑话：它包含231,657个短笑话和小伙子。对于语言模型，将处理数据集的CSV文件并写入带有utils/csv_to_text.py的单独的文本文件data/shortjokes.txt 。

• 朋友：作为一项有趣的任务，使用utils/friends.py脚本将电视系列朋友的所有情节的成绩单编译为4.79mb（ /data/friends.txt ）的单个文本文件。目的是生成与该系列中的对话类似的有趣文本。截至目前，该脚本是临时的，因此欢迎贡献。

依赖性

• Python-预处理数据集。
• 火炬- 语言模型用火炬编写。

运行模型

导航到/src/文件夹并运行以下命令：

python scripts/preprocess.py --input_txt ../data/shortjokes.txt  --output_h5 my_data.h5  --output_json my_data.json
th train.lua -input_h5 my_data.h5 -input_json my_data.json -model_type lstm -num_layers 3 -rnn_size 512

这将在笑话数据集上开始的50个时期的培训会话，然后将检查点保存在src/cv/文件夹中，每1000次迭代使用cv/checkpoint_1000.t7等名称。

要从受过训练的检查点中使用2000个字符的数据采样（例如3000个迭代后），请运行以下命令：

th sample.lua -checkpoint cv/checkpoint_3000.t7 -length 2000

如果有任何错误，则缺失依赖项或更多信息，请参阅Torch-RNN。

贡献和招待

• 从utils/friends.py收集的数据包含许多额外的标题，这些标头已手动删除。如果可以自动化此任务，那将是很棒的。
• 它已尝试使数据集尽可能清洁。因此，欢迎对笑话数据集的相关补充。