多轮对话-2020：DialoGPT【生成式多轮对话模型】

客官°小女子只卖身不卖艺 2023-09-27 18:34 9阅读 0赞

语料简介

这里简单介绍一下LCCC这个数据集（Large-scale Cleaned Chinese Conversation），具体细节大家可以去Github上看，下载链接也在上面。LCCC分base和large两个版本，base主要是来源于微博对话，large则是在base的基础上融合了其他开源对话语料，按照作者的说法，LCCC经过了严格的清洗过程，所以整体质量看上去还是很不错的。

![b0a1386a51ff663b0963835841765c1d.jpeg][]

为了简化任务，所有样本都被处理成双人对话。下面是一些样本示例：

A: 等过年咱们回去买点兔头好好吃顿火锅B: 太原就没看见有好吃的兔头A: 我从虹桥给你带个回去那天瞅到一正宗的B: 最爱你了A: 那是必须A: 嗯嗯，我再等等！你现在在上海吧？上海风好像比南京还大呢，少出门吧B: 对啊，我在家，没事儿。一定要小心啊！A: 我去年也去转了一圈，还碰见以前的体育老师了，合了个影B: 哈哈我还去找高一时侯的英语老师没找到她刚好有事情没在学校～A: 你也是真心找回忆了哦B: 哈哈毕业了没去过想去看看啊

模型设计

知道了数据长什么样之后，我们接下来就要去设计模型了。显然，我们需要做的就是训练一个模型，预测下一个该回复什么。既然语料里包含了多轮对话，那么我们还要求这个模型支持多轮对话。考虑对话历史的最简单的方式，就是把直到当前句的所有历史对话都拼接成单句文本，来作为模型的输入信息。

给定一些输入，预测一个输出，从形式上来看我们应该用Seq2Seq模型。直接用Seq2Seq其实问题也不大，但标准的Seq2Seq一般用于形式比较固定的输入输出，比如输入的文本长度应该是集中在某个范围内，不宜变化太大，但考虑多轮对话的话，理论上我们也不知道前面有多少轮对话，因此原则上输入文本长度是无限制的。用Seq2Seq的话，还有训练效率低的问题，就是我们每轮对话每次我们只能训练一句回复，如果一个多轮对话有n句回复，那么就要拆分为n个样本来训练了。

因此，我们需要一个长度能相当自由地变化的、同时能预测整个多轮对话的模型，实现这个需求的比较适当的选择就是单向语言模型（LM、GPT），做法如下图：

![9df0bfede6cce08b6a27a4ff67f66bc5.jpeg][]

如图所示，我们选择当前主流的Transformer模型，按照BERT的常规输入格式，将每句对话用\[SEP\]拼接起来，然后就训练一个从左往右的单向语言模型。为了区分不同的说话角色，我们对不同的说话者用不同的Segment Id区分。此外，考虑到BERT和GPT都是用了绝对位置编码，可处理的文本长度存在一个上限，而对话轮数理论上是无限的，所以这里我们采用了相对位置编码的NEZHA作为基本结构，并使用NEZHA的预训练权重作为模型的初始化权重。

说白了，就是往NEZHA里边加入了下三角形式的Attention Mask，使其变为一个语言模型，相关介绍请参考《从语言模型到Seq2Seq：Transformer如戏，全靠Mask》\[1\]。

训练细节

首先，给出笔者的参考实现以及训练好的模型：

https://github.com/bojone/nezha\_gpt\_dialog

代码基于bert4keras实现，基本结构是NEZHA Base。为了使得训练更加“平民化”，笔者只用了一张卡（22G的RTX）配合梯度累积来训练，显存不够大的读者可以缩小batch\_size。开源的模型是用

![92a7f3f597d5c3c0645548519db663ab.png][]

的学习率、0.01的权重衰减率的Adam优化器进行训练的，训练了1000万步（20多天），单步batch\_size为16，累积梯度步数为16，所以相当于以256的batch\_size训练了62.5万步，最终的loss大概是2.83（平均每个token的交叉熵）。

我们来测试一下我们的训练结果。

>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))火锅好吃啊>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))我也是>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))哈哈哈哈哈哈我最近一周吃了两顿火锅>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))我也是，每次都吃的撑>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))吃火锅不长胖>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))火锅好啊>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))你们那边有这种火锅？>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))火锅好吃吗？我也想吃>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))吃吧，吃了就开心了>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))我也想天天吃火锅！>>> print(chatbot.response(\[u'我最近天天吃火锅'\]))火锅吃不了多久的。>>> print(chatbot.response(\[u'你那天气好吗'\]))还好，不热，有点冷>>> print(chatbot.response(\[u'你那天气好吗', u'还好，不热，有点冷', u'那你得穿多厚的衣服'\]))我穿了两件

对比分析

CDial-GPT也开源了自己训练的预训练模型，笔者也将它转换为bert4keras能加载的格式了，CDial-GPT-tf\[2\]，读者也可以测试比对一下。从训练上来看，CDial-GPT使用pytorch实现的模型，基本结构是GPT Base，使用了4张2080Ti，总batch\_size为32，累积梯度64步，论文说训练了30个epoch，总步数约2100万步（笔者的两倍），因此大概相当于batch\_size为2048训练了33万步。

在输入设计上，CDial-GPT也有所不同，如下图：

![25ba422cfad791cd31afe8c0647aac16.jpeg][]

如图所示，CDial-GPT跟我们前述设计的主要不同是多轮对话之间的拼接方式，我们之前是直接用\[SEP\]连接，它是用\[speaker1\]、\[speaker2\]（图中简记为S1、S2）这样的角色标记来连接，最后才用一个\[SEP\]表示回复结束。这样一来，由于预测部分的格式跟历史的格式不一样，因此每次只能训练一句回复，多轮对话要拆分为多个样本来训练，理论上是增加了训练复杂性的（要训练多步才能把一个多轮对话样本训练完）。

至于效果上，个人测试的感觉是两者没什么明显差别。有兴趣的读者也可以自行比较测试。

文章总结

本文主要分享了一次对话模型实践，基于开源的LCCC闲聊语料库，利用语言模型（GPT）对多轮对话进行生成式建模，得到了一个相对通用的闲聊对话模型，最后将本文的思路与CDial-GPT本身开源的模型进行了比较。

参考文献：

\[1\]《从语言模型到Seq2Seq：Transformer如戏，全靠Mask》: https://kexue.fm/archives/6933\[2\] CDial-GPT-tf：https://github.com/bojone/CDial-GPT-tf

[b0a1386a51ff663b0963835841765c1d.jpeg]: https://img-blog.csdnimg.cn/img_convert/b0a1386a51ff663b0963835841765c1d.jpeg
[9df0bfede6cce08b6a27a4ff67f66bc5.jpeg]: https://img-blog.csdnimg.cn/img_convert/9df0bfede6cce08b6a27a4ff67f66bc5.jpeg
[92a7f3f597d5c3c0645548519db663ab.png]: https://img-blog.csdnimg.cn/img_convert/92a7f3f597d5c3c0645548519db663ab.png
[25ba422cfad791cd31afe8c0647aac16.jpeg]: https://img-blog.csdnimg.cn/img_convert/25ba422cfad791cd31afe8c0647aac16.jpeg