mbti_chatbot

MBTI聊天機器人

該存儲庫包含代碼來開發聊天機器人，該聊天機器人可以採用16種Myers-Briggs個性類型之一。

刮擦數據

聊天機器人使用屬於相應的子reddit的帖子和評論對每個個性進行微調（例如， INFJ類型的R/INFJ）。

reddit_scraper.py包含腳本以刮擦給定的子reddit。要執行它，您首先需要一個MySQL數據庫的實例。您還需要與Reddit帳戶和MySQL數據庫關聯的一些參數：按照config.example.py的架構，所有這些都需要插入config.py文件中。

該腳本將首先將所有帖子加載在名為posts的表中，然後將其註釋在稱為comments的表中加載。儘管已應用並行化，但第二部分將需要數小時。這就是為什麼，一旦您下載了通過主腳本（〜20分鐘）感興趣的帖子，則可以使用腳本comments_scraper.py下載關聯的註釋。如果您中斷它，下次運行它時，腳本將從您離開的位置開始。

訓練

準備數據

為了訓練該模型，我首先將數據報告為conversational dataset format ，即具有以下結構的CSV表。

ID	回覆	情境	上下文/0	...	上下文/n
S892NN	我很好	沒關係。你呢？	生活怎麼樣？	...	你好！

在這裡，上下文/n代表對話的開頭，轉到最近的交流（在上下文/0 ，上下文和響應中顯示，這是對話中的最新句子）。可以通過覆蓋config.py文件中的NUMBER_OF_CONTEXTS參數來更改上下文的基數。

腳本create_conversational_dataset.py從在刮擦階段創建的SQL表開始生成CSV，將其保存到數據文件夾中的泡菜文件中。對話是由帖子和其直接評論之一或帖子，評論及其評論鏈進行的。

腳本的執行是並行化的，因此它在n個不同的csvs上寫入 - n，具體取決於NUMBER_OF_PROCESSES參數 - 最終被串聯以創建所得的泡菜文件。

模型

筆記本training.py包含對話數據上對話DialoGPT-medium語言模型的微調，並且主要是您在this notebook中可以找到的代碼的改編。

執行demo.py將開始對話。

跑步

要在呼吸道中運行所有代碼，您可以創建一個虛擬環境並運行以下命令。

 virtualenv venv 
source ./venv/bin/activate
pip install -r requirements.txt