• 关于keras环境下seq2seq错误修改
  (from keras.engine.base_layer import Node,_collect_previous_mask, _collect_input_shape)
• 0.1 将blilstm_cnn_crf.py代码中merge改为Concatenate，保证网络拼接正确
• 0.2 引入了earllystopping 可能使得model提前终止，注意调参
• 0.3 引入了trig位置embdding，在encode阶段引入，收敛速度加快

• 注意：aucc可能很小，因为embdding的维度大，完全一样不可能，只能比较mse

• 生成序列文件,将文字编码为数字,不足补零，执行训练样本之前执行 python data_process.py
• 生成word2vec向量,包括编码向量和解码向量
  python word2vec.py
• 训练网络
  python train.py
• 测试
  python test.py
• 模型评分
  python score.py
• 智能问答
  python chat_robot.py
• 绘制word2vec向量分布图
  python word2vec_plot.py
• 直接jupyter运行预测结果 predict_test.ipynb

• Word2cut模型对陌生词汇的分词未解决,后续会补齐jieba分词.

• seq2seq论文地址: https://arxiv.org/abs/1409.3215
• seq2seq+attention论文地址: https://arxiv.org/abs/1409.0473
• ChatRobot启发论文: https://arxiv.org/abs/1503.02364
• seq2seq源码: https://github.com/farizrahman4u/seq2seq
• seq2seq源码需求: https://github.com/farizrahman4u/recurrentshop
• beamsearch源码参考: https://github.com/yanwii/seq2seq
• bucket源码参考: https://github.com/1228337123/tensorflow-seq2seq-chatbot-zh