课程简介
“手把手带你学NLP”是基于飞桨PaddleNLP的系列实战我的项目。本系列由百度多位资深工程师精心打造，提供了从词向量、预训练语言模型，到信息抽取、情感剖析、文本问答、结构化数据问答、文本翻译、机器同传、对话零碎等实际我的项目的全流程解说，旨在帮忙开发者更全面清晰地把握百度飞桨框架在NLP畛域的用法，并可能触类旁通、灵便应用飞桨框架和PaddleNLP进行NLP深度学习实际。

6月，百度飞桨 & 自然语言解决部携手推出了12节NLP视频课，课程中具体解说了本实际我的项目。
观看课程回放请戳：
https://aistudio.baidu.com/ai...
欢送来课程QQ群（群号:758287592）交换吧~~

聊天机器人的“前世今生”

在 1964 年至 1966 年间，麻省理工学院人工智能实验室的德裔美国计算机科学家约瑟夫·维森鲍姆（Joseph Weizenbaum）开发了历史上第一个聊天机器人 —— Eliza。
Eliza 的名字源于爱尔兰剧作家萧伯纳的戏剧作品《卖花女》中的角色，剧中出身清贫的卖花女 Eliza 通过学习与上流社会沟通的形式，变成大使馆舞会上人人艳羡的“匈牙利王家公主”。作为世界上第一个聊天机器人，Eliza 被其作者赋予了充斥戏剧性的外延。
只管在过后曾经存在一些根本的数字语言生成器（能够输入一些连贯文本的程序），但 Eliza 是第一个明确设计用于与人互动的程序。用户能够应用打字机输出人类的自然语言，取得来自机器的响应。正如维森鲍姆解释的那样，Eliza 使“人与计算机之间的对话成为可能 ”。
随着深度学习技术的一直倒退，聊天机器人变得越来越智能。咱们能够通过机器人来实现一些机械性的问答工作，也能够在空闲时和智能机器人进行对话，他们的呈现让生存变得更丰富多彩。现在通过飞桨与Wechaty的联合就可实现一个简略的聊天机器人。
如下图就是基于 PaddleHub + Wechaty 的微信闲聊机器人demo。通过Wechaty获取微信接管的音讯，而后应用PaddleHub的plato-mini模型依据对话的上下文生成新的对话文本，最终以微信音讯的模式发送，实现闲聊的交互。

下图是基于 PaddleNLP + Wechaty 的微信情感辨认机器人demo。通过Wechaty获取微信接管的音讯，而后应用PaddleNLP的TextCNN模型对输出的文本进行情感判断，最终以微信音讯的模式返回，实现对文本情感的辨认。

感兴趣的同学可参照此demo在本人微信上实现一个情感辨认机器人哦～
Demo链接：
https://github.com/mawenjie87...

是不是很乏味。如果你还不满足于此，欢送前来报名PaddlePaddle 联结开源聊天机器人框架 Wechaty 和设计师社区 MixLab 带来的创意赛。PaddleNLP为各位参赛选手提供了丰盛的深度学习预训练模型，Wechaty也为大家提供了便捷的ChatBot搭建SDK，大家可参照已有demo应用PaddleNLP实现主动写诗、彩虹屁，起名、主动对联等好玩的性能。
较量报名链接：
https://aistudio.baidu.com/ai...
明天咱们要带大家应用飞桨PaddleNLP实现诗歌的对答和一个简略的闲聊机器人，一起来吧！
疾速实际

PaddleNLP针对生成式工作提供了generate()函数，内嵌于PaddleNLP所有的生成式模型。反对Greedy Search、Beam Search和Sampling解码策略，用户只需指定解码策略以及相应的参数即可实现预测解码，失去生成的sequence的token ids以及概率得分。

2.1 GPT模型应用生成API的小示例

1.加载 paddlenlp.transformers.GPTChineseTokenizer用于数据处理

文本数据在输出预训练模型之前，须要通过数据处理转化为Feature。这一过程通常包含分词，token to id，add special token等步骤。

PaddleNLP对于各种预训练模型曾经内置了相应的tokenizer，指定想要应用的模型名字即可加载对应的tokenizer。
调用GPTChineseTokenizer的__call__办法即可将咱们说的话转为模型可承受的输出。

from paddlenlp.transformers import GPTChineseTokenizer

设置想要应用模型的名称

model_name = 'gpt-cpm-small-cn-distill'
tokenizer = GPTChineseTokenizer.from_pretrained(model_name)

import paddle
user_input = "花间一壶酒，独酌无相亲。举杯邀明月，"

将文本转为ids

input_ids = tokenizer(user_input)['input_ids']
print(input_ids)

将转换好的id转为tensor

input_ids = paddle.to_tensor(input_ids, dtype='int64').unsqueeze(0)

2.应用PaddleNLP一键加载预训练模型

PaddleNLP提供了GPT,UnifiedTransformer等中文预训练模型，能够通过预训练模型名称实现一键加载。

GPT以Transformer Decoder的编码器为网络根本组件，采纳单向注意力机制，实用于长文本生成工作。

PaddleNLP目前提供多种中英文GPT预训练模型，咱们这次用的是一个小的中文GPT预训练模型。

from paddlenlp.transformers import GPTLMHeadModel

一键加载中文GPT模型

model = GPTLMHeadModel.from_pretrained(model_name)

调用生成API升成文本

ids, scores = model.generate(

            input_ids=input_ids,            max_length=16,            min_length=1,            decode_strategy='greedy_search')

generated_ids = ids[0].numpy().tolist()

应用tokenizer将生成的id转为文本

generated_text = tokenizer.convert_ids_to_string(generated_ids)
print(generated_text)

对影成三人。

能够看到生成的成果还不错，生成式API的用法也是十分的简便。

2.2 UnifiedTransformer

模型和生成式API实现闲聊对话

1.加载paddlenlp.transformers.UnifiedTransformerTokenizer用于数据处理

UnifiedTransformerTokenizer的调用形式与GPT雷同，但数据处理的API略有不同。

调用UnifiedTransformerTokenizer的dialogue_encode办法即可将咱们说的话转为模型可承受的输出。

from paddlenlp.transformers import UnifiedTransformerTokenizer

设置想要应用模型的名称

model_name = 'plato-mini'
tokenizer = UnifiedTransformerTokenizer.from_pretrained(model_name)

user_input = ['你好啊，你往年多大了']

调用dialogue_encode办法生成输出

encoded_input = tokenizer.dialogue_encode(

                user_input,                add_start_token_as_response=True,                return_tensors=True,                is_split_into_words=False)

2.应用PaddleNLP一键加载预训练模型

与GPT雷同，咱们能够一键调用UnifiedTransformer预训练模型。

UnifiedTransformer以Transformer的编码器为网络根本组件，采纳灵便的注意力机制，并在模型输出中退出了标识不同对话技能的special token，使得模型能同时反对闲聊对话、举荐对话和常识对话。

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会话数据集上训练失去的。
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失去的。
plato-mini 该模型应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)

下一步咱们将解决好的输出传入generate函数，并配置解码策略。

这里咱们应用的是TopK加sampling的解码策略。即从概率最大的k个后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=encoded_input['attention_mask'],            max_length=64,            min_length=1,            decode_strategy='sampling',            top_k=5,            num_return_sequences=20)

from utils import select_response

简略依据概率选取最佳回复

result = select_response(ids, scores, tokenizer, keep_space=False, num_return_sequences=20)
print(result)
['你好啊,我往年23岁了']

PaddleNLP的example中提供了搭建残缺对话零碎的代码（人机交互），感兴趣能够去终端里尝试一下哦～
人机交互地址：
https://github.com/PaddlePadd...
入手试一试
是不是感觉很乏味呀。小编强烈建议初学者参考下面的代码亲手敲一遍，因为只有这样，能力加深你对代码的了解呦。
本次我的项目对应的代码：
https://aistudio.baidu.com/ai...
更多PaddleNLP信息，欢送拜访GitHub点star珍藏后体验：
https://github.com/PaddlePadd...

百度AI开发者社区https://ai.baidu.com/forum ，为全国各地开发者提供一个交换、分享、答疑解惑的平台，让开发者在研发路上不再“孤军奋战”，通过一直地交换与探讨找出更好的技术解决方案。如果你想尝试各种人工智能技术、开辟利用场景，赶快退出百度AI社区，你对 AI 的所有畅想，在这里都能够实现！

扫描下方二维码，增加小助手微信「京东卡、小度定制周边、神秘礼盒、行李箱」等更多福利你来拿~