课程简介 “手把手带你学NLP”是基于飞桨PaddleNLP的系列实战项目。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、情感分析、文本问答、结构化数据问答、文本翻译、机器同传、对话系统等实践项目的全流程讲解，旨在帮助开发者更全面清晰地掌握百度飞桨框架在NLP领域的用法，并能够举一反三、灵活使用飞桨框架和PaddleNLP进行NLP深度学习实践。
6月，百度飞桨 & 自然语言处理部携手推出了12节NLP视频课，课程中详细讲解了本实践项目。 观看课程回放请戳： aistudio.baidu.com/aistudio/co… 欢迎来课程QQ群（群号:758287592）交流吧~~
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，剧中出身贫寒的卖花女 Eliza 通过学习与上流社会沟通的方式，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 被其作者赋予了充满戏剧性的内涵。 尽管在当时已经存在一些基本的数字语言生成器（可以输出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。用户可以使用打字机输入人类的自然语言，获得来自机器的响应。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不断发展，聊天机器人变得越来越智能。我们可以通过机器人来完成一些机械性的问答工作，也可以在闲暇时和智能机器人进行对话，他们的出现让生活变得更丰富多彩。如今通过飞桨与Wechaty的结合就可实现一个简单的聊天机器人。 如下图就是基于 PaddleHub + Wechaty 的微信闲聊机器人demo。通过Wechaty获取微信接收的消息，然后使用PaddleHub的plato-mini模型根据对话的上下文生成新的对话文本，最终以微信消息的形式发送，实现闲聊的交互。
下图是基于 PaddleNLP + Wechaty 的微信情感识别机器人demo。通过Wechaty获取微信接收的消息，然后使用PaddleNLP的TextCNN模型对输入的文本进行情感判断，最终以微信消息的形式返回，实现对文本情感的识别。
感兴趣的同学可参照此demo在自己微信上实现一个情感识别机器人哦～ Demo链接： github.com/mawenjie873…
是不是很有趣。如果你还不满足于此，欢迎前来报名PaddlePaddle 联合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富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使用PaddleNLP实现自动写诗、彩虹屁，起名、自动对联等好玩的功能。 比赛报名链接： aistudio.baidu.com/aistudio/co… 今天我们要带大家使用飞桨PaddleNLP实现诗歌的对答和一个简单的闲聊机器人，一起来吧！ 快速实践
PaddleNLP针对生成式任务提供了generate()函数，内嵌于PaddleNLP所有的生成式模型。支持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完成预测解码，得到生成的sequence的token ids以及概率得分。
2.1 GPT模型使用生成API的小示例
1.加载 paddlenlp.transformers.GPTChineseTokenizer用于数据处理
文本数据在输入预训练模型之前，需要经过数据处理转化为Feature。这一过程通常包括分词，token to id，add special token等步骤。
PaddleNLP对于各种预训练模型已经内置了相应的tokenizer，指定想要使用的模型名字即可加载对应的tokenizer。 调用GPTChineseTokenizer的__call__方法即可将我们说的话转为模型可接受的输入。
from paddlenlp.transformers import GPTChineseTokenizer
设置想要使用模型的名称
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.使用PaddleNLP一键加载预训练模型
PaddleNLP提供了GPT,UnifiedTransformer等中文预训练模型，可以通过预训练模型名称完成一键加载。
GPT以Transformer Decoder的编码器为网络基本组件，采用单向注意力机制，适用于长文本生成任务。
PaddleNLP目前提供多种中英文GPT预训练模型，我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()
使用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。
可以看到生成的效果还不错，生成式API的用法也是非常的简便。
2.2 UnifiedTransformer
模型和生成式API完成闲聊对话
1.加载paddlenlp.transformers.UnifiedTransformerTokenizer用于数据处理
UnifiedTransformerTokenizer的调用方式与GPT相同，但数据处理的API略有不同。
调用UnifiedTransformerTokenizer的dialogue_encode方法即可将我们说的话转为模型可接受的输入。
from paddlenlp.transformers import UnifiedTransformerTokenizer
设置想要使用模型的名称
model_name = 'plato-mini' tokenizer = UnifiedTransformerTokenizer.from_pretrained(model_name)
user_input = ['你好啊，你今年多大了']
调用dialogue_encode方法生成输入
encoded_input = tokenizer.dialogue_encode( user_input, add_start_token_as_response=True, return_tensors=True, is_split_into_words=False)
2.使用PaddleNLP一键加载预训练模型
与GPT相同，我们可以一键调用UnifiedTransformer预训练模型。
UnifiedTransformer以Transformer的编码器为网络基本组件，采用灵活的注意力机制，并在模型输入中加入了标识不同对话技能的special token，使得模型能同时支持闲聊对话、推荐对话和知识对话。
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得到的。 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得到的。 plato-mini 该模型使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)
下一步我们将处理好的输入传入generate函数，并配置解码策略。
这里我们使用的是TopK加sampling的解码策略。即从概率最大的k个结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
简单根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,我今年23岁了']
PaddleNLP的example中提供了搭建完整对话系统的代码（人机交互），感兴趣可以去终端里尝试一下哦～ 人机交互地址： github.com/PaddlePaddl… 动手试一试 是不是觉得很有趣呀。小编强烈建议初学者参考上面的代码亲手敲一遍，因为只有这样，才能加深你对代码的理解呦。 本次项目对应的代码： aistudio.baidu.com/aistudio/pr… 更多PaddleNLP信息，欢迎访问GitHub点star收藏后体验： github.com/PaddlePaddl…
百度AI开发者社区ai.baidu.com/forum ，为全国各地开发者提供一个交流、分享、答疑解惑的平台，让开发者在研发路上不再“孤军奋战”，通过不断地交流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、开拓应用场景，赶快加入百度AI社区，你对 AI 的所有畅想，在这里都可以实现！