前言

發(fā)布這篇 Chat 的初衷是想和各位一起分享一下動手來做聊天機器人的樂趣，因此本篇文章適合用于深度機器學(xué)習(xí)的研究和興趣發(fā)展，因為從工業(yè)應(yīng)用的角度來看使用百度、科大訊飛的 API 接口會更加的適合。在這篇文章中，希望和大家一起共同交流和探索動手實踐的樂趣，當然也歡迎大神來做深度的探討以及吐槽。這篇 Chat 的基礎(chǔ)源代碼來自互聯(lián)網(wǎng)，我進行了綜合優(yōu)化和部分代碼的重寫，我也會在這邊文章發(fā)布的同時將所有源代碼上傳到 Git 分享出來，這樣在文章中我就不占用篇幅貼出全部的源代碼，大家可以從 Git 上 pull 下來對照著文章來看。

一、系統(tǒng)設(shè)計思路和框架

本次系統(tǒng)全部使用 Python 編寫，在系統(tǒng)設(shè)計上遵循著配置靈活、代碼模塊化的思路，分為數(shù)據(jù)預(yù)處理器、數(shù)據(jù)處理器、執(zhí)行器、深度學(xué)習(xí)模型、可視化展示五個模塊。模塊間的邏輯關(guān)系大致為：數(shù)據(jù)預(yù)處理是將原始語料進行初步的處理以滿足于數(shù)據(jù)處理模塊的要求；執(zhí)行器是整個系統(tǒng)引擎分別在運轉(zhuǎn)的時候調(diào)用數(shù)據(jù)處理器、深度學(xué)習(xí)模型進行數(shù)據(jù)處理、模型訓(xùn)練、模型運作等工作；深度學(xué)習(xí)模型是一個基于TF的seq2seq模型，用于定義神經(jīng)網(wǎng)絡(luò)并進行模型計算；可視化展示是一個用Flask前端框架寫的簡單的人機交互程序，在運行時調(diào)用執(zhí)行器進行人機對話。

點擊此處下載文檔和源碼

?

?

?

?