# shenji_qa

**Repository Path**: eshijia/shenji_qa

## Basic Information

- **Project Name**: shenji_qa
- **Description**: 利用深度神经网络训练答案选择模型，并将此模型应用于实际的问答系统中！
- **Primary Language**: Python
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 2
- **Created**: 2016-06-17
- **Last Updated**: 2021-11-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#基于深度学习的答案选择
## 如何使用（应用训练好的模型进行答案选择/排序）
当前代码基于一个非官方版本的Keras，所以该代码的运行环境建议使用virtualenv创建一个虚拟环境后，安装相关的依赖，具体操作如下。（Windows用户建议使用Anaconda发行版）
### 环境准备

```
mkdir virtual_env  
cd virtual_env
virtualenv keras_new  #在virtual_env目录下创建一个新的虚拟环境
source keras_new/bin/activate  #激活该虚拟环境
#注意！！如果是Windows用户，就不是使用source，而是直接运行 keras_new\Scripts\activate
pip install keras  #安装官方版本的keras，以将所需的其它依赖安装
pip uninstall keras
cd ..
git clone https://github.com/eshijia/keras
cd keras
python setup.py install  #安装自定义的keras
pip install h5py  #安装该模板，以用来载入或保存训练的模型
```
在激活虚拟环境后，所有的pip安装命令（不要加sudo）都会将模块安装到虚拟环境中，不会影响系统自身的Python环境。若要退出虚拟环境可以在激活状态下执行 `deactivate`。
### 执行答案选择
对于模型的应用，只需关注`shenji_qa_predict.py`，该程序可接受3个以上的参数（至少一个问题和两个候选答案），第一个参数（argv[1]）是问题字符串（已分词，以tab分隔），第二个以及后续参数（argv[2:]）是待选择的答案（已分词，以tab分隔）。程序会返回问题及将候选答案依据学习的模型重排序后，最与问题相符的前两个答案。运行示例如下
（一定是在虚拟环境中）：

```
python shenji_qa_predict.py "认证	回执	提示	这个	发行	代理	未	初始化	。	怎么办	？" "只能	去	大厅	认证" "打开	报表	后	点	【	带征	】	按钮	查看	，	或者	按	F12" "答	：	软件	没有	重装	过	的	情况	下	，	点	【	视图	】	-	-	【	已	发件	】	，	按照	发送	的	时间	查看	报表	内容	。" "重新	从	网站	上面	下载	扫描仪	驱动"
```

运行结果：

```
认证回执提示这个发行代理未初始化。怎么办？
只能去大厅认证
打开报表后点【带征】按钮查看，或者按F12
```
当前使用的模型`shenji_qa_models/weights_epoch_200.h5`是采用了最基本的Embedding模型以及cosine作为相似度计算公式，margin为0.2，迭代了200次后的模型训练结果。

## 如何进行模型训练
To be done.