一个可以使用自己语料进行训练的中文聊天机器人，欢迎大家实践交流。
本次训练的语料是从互联网上找到的shooter的训练语料，语料质量很差劲，仅作为演示代码来用，大家可以使用自己的语料 语料下载地址：https://pan.baidu.com/s/1kWYIOVt,将文件下载后放到data目录下。
1、在下载好代码和语料之后，将语料文件放入data目录下。
2、按照 数据预处理器（data_utls.py)-->execute.py(执行器)-->app.py（可视化对话模块）的顺序执行就可以了。
3、超参配置在seq2seq.ini和seq2seq_sever.ini文件中配置。
4、详细的代码讲解可以参与我的chat文章(http://gitbook.cn/books/5a4a16da1f2e8d585e464f44/index.html)。
1 、在下载好代码和语料之后，将语料文件放入source_data目录下。
2、按照 数据预处理器（source_data_utls.py)-->execute.py(执行器)-->app.py（可视化模块）的顺序执行就可以了
http://blog.topspeedsnail.com/archives/10735/comment-page-1#comment-1161。
http://www.easyapple.net/?p=1384&from=singlemessage&isappinstalled=0。
https://github.com/zpppy/seqGan_chatbot
ubuntu14.04 python3.5 tensorflow==1.10.1或者tensorflow-gpu==1.10.1 flask==0.11.1
V1.1:已经增加中文分词，效果是变得更好了。注意在使用分词后，需要增加词典的大小，否则的话会导致词典无法覆盖训练集，导致出现很多的UNK。直接在seq2seq.ini中修改超参数enc_vocab_size和dec_vocab_size的值即可。
V2.0:增加一个基于SeqGan的版本，以增加训练的效果。
1、预计在11月份，小象学院的课程结束后会更新tensoflow2.0的版本，使用小黄鸡语料作为训练语料。如果需要提前学习和了解，可以在小象学院的课程中学习，课程链接地址https://www.chinahadoop.cn/course/1460 ，课程包含了CNN、CycleGAN、Seq2seq、TensorFlow Serving四个案例以及编程入门。#是的，这次commit是一个广告。