【自然语言处理（NLP）】聊天机器人模块实现
作者简介：在校大学生一枚，华为云享专家，阿里云专家博主，腾云先锋（TDP）成员，云曦智划项目总负责人，全国高等学校计算机教学与产业实践资源建设专家委员会（TIPCC）志愿者，以及编程爱好者，期待和大家一起学习，一起进步~ . 博客主页：ぃ灵彧が的学习日志 . 本文专栏：人工智能 . 专栏寄语：若你决定灿烂，山无遮，海无拦 .
(文章目录)
前言
(一)、任务描述
使用PaddleNLP内置的生成式API的功能和用法，并使用PaddleNLP内置的plato-mini模型和配置的生成式API实现一个简单的闲聊机器人。
(二)、环境配置
本示例基于飞桨开源框架2.0版本。
import paddle
import paddle.nn.functional as F
import re
import numpy as np
print(paddle.__version__)
# cpu/gpu环境选择，在 paddle.set_device() 输入对应运行设备。
# device = paddle.set_device('gpu')
输出结果如下图1所示：
一、下载并更新相关包
AI Studio平台已经默认安装了PaddleNLP，但仍然需要使用如下的指令进行版本的更新，否则后续程序的运行会报错。
!pip install --upgrade paddlenlp -i https://pypi.org/simple
!pip install --upgrade pip
!pip install --upgrade sentencepiece
二、使用生成API实现闲聊机器人
下面我们来学习如何使用UnifiedTransformer模型及其内嵌的生成式API实现一个闲聊机器人。
(一)、数据处理
from paddlenlp.transformers import UnifiedTransformerTokenizer
# 设置想要使用的模型名称
model_name = 'plato-mini'
tokenizer = UnifiedTransformerTokenizer.from_pretrained(model_name)
user_input = ['你好啊，你今年多大了']
#调用dialogue_encode方法生成模型输入
encoded_input = tokenizer.dialogue_encode(
user_input,
add_start_token_as_response = True,
return_tensors = True,
is_split_into_words=False
)
print(encoded_input.keys())
# dict_keys(['input_ids','token_type_ids','position_ids','attention_mask'])
(二)、使用PaddleNLP一键加载预训练模型
PaddleNLP目前为UnifiedTransformer提供了三个中文预训练模型：
-
unified_transformer-12L-cn，该预训练模型是在大规模中文对话数据集上训练得到的。
-
unified_transformer-12L-cn-luge，该预训练模型是unified_transformer-12L-cn在千言对话数据集上进行微调得到的；
-
plato-mini，该模型使用了十亿级别的中文闲聊对话数据进行预训练。
from paddlenlp.transformers import UnifiedTransformerLMHeadModel
model = UnifiedTransformerLMHeadModel.from_pretrained(model_name)
(三) 、使用生成API输出模型预测结果
下一步我们将处理好的输入作为参数传递给generate()函数，并配置解码策略，这里我们使用的是TopK加sampling的解码策略，即从概率最大的k个结果中按概率进行采样。
ids.scores=model.generate(
input_ids = encoded_input['input_ids'],
token_type_ids = encoded_input['token_type_ids'],
position_ids = encoded_input['position_ids'],
attention_mask = encoder_input['attention_mask'],
max_length =64,
min_length = 1,
decode_strategy = 'sampling',
top_k = 5,
num_return_sequences = 20
)
print(ids)
print(scores)
部分输出结果如下图所示：
四、将词典ID转为对应的汉字
#将词典ID转为对应的汉字
response = []
for sequence_ids in ids.numpy().tolist():
sequence_ids = sequence_ids[:sequence_ids.index(tokenizer.sep_token_id)]
text = tokenizer.convert_ids_to_string(sequence_ids,keep_space=False)
response.append(text)
print(response)
因此，当我们在问机器人：“你好啊，你今年多大了”，可以得到的回复结果如下：
总结
本系列文章内容为根据清华社出版的《自然语言处理实践》所作的相关笔记和感悟，其中代码均为基于百度飞桨开发，若有任何侵权和不妥之处，请私信于我，定积极配合处理，看到必回！！！
最后，引用本次活动的一句话，来作为文章的结语～(￣▽￣～)~：
【**学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。**】
