smartchat conversational chatbot

內容

1. 存儲庫名稱
2. 該項目的標題
3. 項目的簡短描述
4. 項目的目標
5. 數據集的名稱
6. 數據集的描述
7. 使用此數據集的項目的目標
8. 數據集的大小
9. 用作我們調查的一部分的算法
10. 項目要求
11. 使用該項目
12. 用戶應使用哪種聊天機器人體系結構
13. 作者

存儲庫名稱

SmartChat contrational-chatbot

該項目的標題

SmartChat：上下文感知的對話代理

項目的簡短描述

開發一個聊天機器人，可以有效地適應對話中的上下文和主題轉移，利用斯坦福問題回答數據集以提供知情和相關的回答，從而提高用戶滿意度和參與度。

項目的目標

創建一個用戶友好的Web或應用程序接口，使用戶能夠與聊天機器人進行自然而連貫的對話，並具有很高的滿意度等級。

數據集的名稱

該項目中使用的數據集是Stanford問題回答數據集。

數據來源： Kaggle

數據集的類型：文本

數據集的描述

Stanford問題回答數據集（Squad）是一個閱讀理解數據集，該數據集由人群工人對Wikipedia文章提出的問題組成。每個問題的答案是從相應的閱讀段落中的文本或跨度的一部分。 500多種文章有100,000多個提問對。更多信息可以在以下網址找到：https：//rajpurkar.github.io/squad-explorer/

使用此數據集的項目的目標

• 該項目的目的是開發一個可以進行多轉交談，適應上下文並處理各種主題的聊天機器人。

數據集的大小：

• 該數據集有2個JSON文件。一種是用於培訓，另一種是用於測試
  • DEV-V1.1.JSON - 4.9 MB
  • 火車-V1.1.JSON - 30.3 MB

用作我們調查的一部分的算法

• 使用2種不同的體系結構：
  • GPT2-MEDIUM架構使用Lora和PEFT
  • 伯特（Bert-Base-un-un-un-base）

項目要求

• python3
• 數據集
• 火炬
• peft
• 變壓器
• 評價
• SafetEnsors
• numpy
• 貓熊
• matplotlib
• Scikit-Learn
• 海洋
• NLTK
• 胭脂得分
• 胭脂
• Gradio
• TQDM

使用該項目

• GoTO Squad數據集進行預處理，並確保您擁有train-v1.1.json和dev-v1.1.json文件。
  • 如果您沒有它們，則可以在這里和這裡下載它們
• GoTO Squad數據集預處理文件並運行所有單元格。
• 要執行和查看Bert（Bert-Base-un-uncly）方法的結果，請瀏覽Squead_Chatbot_using_bert-Base-Base-uncased_readme.md文件中提供的指令。
• 要執行和查看GPT（使用LORA和PEFT）方法的GPT結果，請瀏覽Squead_Chatbot_using_gpt2-medium_readme.md文件中提供的指令。

用戶應使用哪種聊天機器人體系結構

• 實際上，兩個聊天機器人運行良好。
• squad_using_gpt2-medium會生成答案，但大多數時間都有問題。
  • 有關觀察和技術細節的更多信息，請參閱培訓和驗證文件。
• squad_using_bert-base-uncled und的運行良好。
• 最終結論是：用戶可以使用任何聊天機器人。但是要獲得完美的答案，請使用squad_using_bert-base-base-base-base。

作者

作者	聯繫方式
Ravi Teja Kothuru	[email protected]
Soumi Ray	[email protected]
Anwesha Sarangi	[email protected]