China
gmftbyGMFTBY/MultiTurnDialogZoo
Multi-turn dialogue baselines written in PyTorch
🧠 MultiTurnDialogZoo: Kho baseline hội thoại đa lượt mã nguồn mở bằng PyTorch
Một bộ sưu tập các mô hình baseline hội thoại đa lượt và đơn lượt, sẵn sàng huấn luyện và đánh giá chỉ với một vài lệnh.
MultiTurnDialogZoo là một dự án mã nguồn mở cung cấp các baseline cho hội thoại đa lượt (multi-turn) và đơn lượt (single-turn), được cài đặt bằng PyTorch. Dự án hỗ trợ nhiều kiến trúc phổ biến như HRED, Transformer, GCN, ReCoSa, HRAN, DSHRED… cũng như các dataset lớn như DailyDialog, Ubuntu, EmpChat, DSTC7-AVSD và PersonaChat. Mục tiêu giúp nghiên cứu sinh và kỹ sĩ nhanh chóng triển khai và thử nghiệm các mô hình hội thoại hiện đại mà không cần viết lại từ đầu.
✨ Điểm nổi bật
- Hỗ trợ nhiều mô hình baseline: HRED, HRED-RA, VHRED, WSeq, DSHRED, ReCoSa, HRAN, Transformer, Seq2Seq-MHA...
- Đa dataset: DailyDialog, Ubuntu, EmpChat, DSTC7-AVSD, PersonaChat với script tiền xử lý kèm theo.
- Đánh giá đa dạng: PPL, BLEU, ROUGE, Distinct, BERTScore, BERT-RUBER...
- Dễ sử dụng: Chỉ cần một vài lệnh qua
run.shđể tạo từ vựng, huấn luyện, dịch và đánh giá. - Hỗ trợ đồ thị (graph): MTGCN và GatedGCN hỗ trợ tạo đồ thị đại diện cho câu trả lời và ngữ cảnh.
- Tích hợp TensorBoard: Theo dõi quá trình huấn luyện và vẽ đường cong hiệu suất.
- Perturbation testing: Hỗ trợ thử nghiệm biến đổi nguồn để đánh giá độ bền mô hình.
- Mở rộng dễ dàng: Cấu trúc mô hình rõ ràng, dễ thêm mô hình mới hoặc chỉnh sửa kiến trúc.
💡 Vì sao đáng chú ý
Dự án không chỉ cung cấp mã nguồn sẵn mà còn tích hợp toàn bộ pipeline từ tiền xử lý dữ liệu, huấn luyện, sinh kết quả đến đánh giá chất lượng — giúp người dùng tập trung vào khám phá kiến trúc mô hình. Đặc biệt, sự kết hợp giữa các mô hình RNN-based (HRED, WSeq) và Transformer, cùng với khả năng mở rộng sang đồ thị (GCN/GAT), giúp nghiên cứu sâu hơn về khả năng mô hình tiếp thu ngữ cảnh đa lượt. Phù hợp cho nghiên cứu sinh, kỹ sĩ NLP và những ai muốn nhanh chóng so sánh hiệu suất các kiến trúc trong hội thoại máy tính.
#MultiTurnDialog #PyTorch #DialogSystem #HRED #Transformer #TiniX
Similar Projects
Discover other similar projects and AI models.
This is a PyTorch implementation of the GeniePath model in <GeniePath: Graph Neural Networks with Adaptive Receptive Paths> (https://arxiv.org/abs/1802.00910)
PyTorch code for ICPR 2020 paper "DAG-Net: Double Attentive Graph Neural Network for Trajectory Forecasting"
🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training.
Code and Content for Manning Publication on Graph Neural Networks
AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mission is to provide the tools, so that you can focus on what matters.
The AI that really does things. Any OS. Any Platform. The lobster way. 🦞
An agentic skills framework & software development methodology that works.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...