metadata

language: zh
widget:
  - text: 今天你的病好点了吗？
  - text: 苹果手机怎么卖？
tags:
  - Text Generation
  - gpt2
  - pytorch
license: apache-2.0

GPT2 for Chinese Dialog Model(gpt2-dialogbot-base-chinese)

GPT2中文对话生成模型

gpt2-dialogbot-base-chinese evaluate couplet test data：

The overall performance of GPT2 on dialog test:

input_text	target_text
今天你的病好点了吗？	好多了，谢谢你的关心

在常见中文闲聊数据集（包含小黄鸡语料、豆瓣语料、电视剧对白语料、贴吧论坛回帖语料、微博语料、PTT八卦语料、青云语料等）上，基本能语义正确的回答问题。

GPT2对话模型的网络结构(原生GPT2)：

Usage

本项目开源在对话文本生成项目：dialogbot，可支持GPT2模型，通过如下命令调用：

Install package:

pip install -U dialogbot

>>> from dialogbot import GPTBot
>>> model = GPTBot("shibing624/gpt2-dialogbot-base-chinese")
>>> r = model.answer("今天你的病好点了吗？")
'好多了，谢谢你的关心'

模型文件组成：

gpt2-dialogbot-base-chinese
    ├── config.json
    ├── pytorch_model.bin
    └── vocab.txt

训练数据集

中文对话数据集

闲聊语料分享

中文闲聊语料	数据集地址	语料描述
常见中文闲聊	chinese_chatbot_corpus	包含小黄鸡语料、豆瓣语料、电视剧对白语料、贴吧论坛回帖语料、微博语料、PTT八卦语料、青云语料等
50w中文闲聊语料	百度网盘【提取码:4g5e】或 GoogleDrive	包含50w个多轮对话的原始语料、预处理数据
100w中文闲聊语料	百度网盘【提取码:s908】或 GoogleDrive	包含100w个多轮对话的原始语料、预处理数据

dialogbot

数据格式：

谢谢你所做的一切
你开心就好
开心
嗯因为你的心里只有学习
某某某，还有你
这个某某某用的好

你们宿舍都是这么厉害的人吗
眼睛特别搞笑这土也不好捏但就是觉得挺可爱
特别可爱啊

如果需要训练GPT2模型，请参考https://github.com/shibing624/dialogbot

Citation

如果你在研究中使用了dialogbot，请按如下格式引用：

@software{dialogbot,
  author = {Xu Ming},
  title = {dialogbot: Dialogue Model Technology Tool},
  year = {2021},
  url = {https://github.com/shibing624/dialogbot},
}