# Seq2seqAttGeneration

**Repository Path**: cyys/Seq2seqAttGeneration

## Basic Information

- **Project Name**: Seq2seqAttGeneration
- **Description**: No description available
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-05-23
- **Last Updated**: 2022-11-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 项目的由来
1、分类、抽取、序列标注、生成任务是自然语言处理的四大经典任务，其中，分类、抽取任务，可以使用规则进行快速实现。而对于生成而言，则与统计深度学习关系较为密切。  
2、当前，GPT系列，自动文本生成、文本图像生成，图像文本生成等魔幻主义大作频频上演。  
3、目前开源的seq2seq模型项目晦涩难度，不利于阅读与入门。  
受此三个现实背景，也正好在接触生成这个任务，特做此项目。  

# 项目的构成
项目场景：该项目以自动对诗为使用场景，即用户给定上一句，要求模型给出下一句，是个较理想的生成例子。  
项目代码结构：  
    data/data.txt:为训练数据，此处使用的是对联诗句数据  
    att_seq2seq_predict.py:使用seq2seq模型进行下一句生成的脚本  
    seq2seq_train.py:使用seq2seq模型进行生成的脚本  
    model/:  
        cseq2seq_config.json:预训练时形成的一些关键参数，如最大长度、输入语句的字符索引等  
        model.weights:训练好的模型  
 
# 项目的思想
参考： https://kexue.fm/archives/5861
采用character字级别，通过搭建lstm-encoder和lstm-decoder和attention进行seq2seq生成任务。  

# 项目的使用
1、python att_seq2seq_train.py,进行模型训练。  
2、python att_seq2seq_predict.py,进行模型测试。  
3、项目运行环境：keras==2.1.5, tensorflow==1.15.0

# 项目的总结

1，本项目完成了一个基于keras实现的自动对诗文本生成功能。  
2，这是一个较为简单的入门级项目，可作为通用的生成任务组件进行模块化开发。


# 关于作者  

如有自然语言处理、知识图谱、事理图谱、社会计算、语言资源建设等问题或合作，可联系我：  
1、我的自然语言处理开源项目：https://liuhuanyong.github.io。   
2、我的csdn技术博客：https://blog.csdn.net/lhy2014   
3、我的联系方式: 刘焕勇，中国科学院软件研究所，lhy_in_blcu@126.com.    
4、我的共享知识库项目：刘焕勇，事理类知识库数据集，http://www.openkg.cn/organization/datahorizon.    
5、我的工业项目：刘焕勇，以事理为核心的金融情报探索：https://datahorizon.cn.