Dialogue Generation Models

Introduction

• This is a repository of pretrained dialogue generation models (GPT-2 and Meena) of Pingpong, ScatterLab.
• You can refer to our blog post for detailed pre-training processes and experiment results.
• Check our Korean demo and Japanese demo for the chatting experience.

Downloads

• You can download the pretrained GPT-2 and Meena models from Release page.
  • base_gpt_trained_on_dialogue_data_kr.pth
    • 한국어 대화 데이터로만 학습한 base size GPT-2
  • large_gpt_trained_on_dialogue_data_kr.pth
    • 한국어 대화 데이터로만 학습한 large size GPT-2
  • base_gpt_trained_on_wiki_and_dialogue_data_kr.pth
    • 한국어 대화 데이터, 위키피디아, 나무위키로 학습한 base size GPT-2
  • large_gpt_trained_on_wiki_and_dialogue_data_kr.pth (Recommend)
    • 한국어 대화 데이터, 위키피디아, 나무위키로 학습한 large size GPT-2
  • base_meena_trained_on_filtered_data_kr.pth
    • 필터링된 한국어 대화 데이터로 학습한 base size Meena
  • large_meena_trained_on_filtered_data_kr.pth (Recommend)
    • 필터링된 한국어 대화 데이터로 학습한 large size Meena
  • base_meena_trained_on_non_filtered_data_kr.pth
    • 필터링을 거치지 않은 한국어 대화 데이터로 학습한 base size Meena
  • large_meena_trained_on_non_filtered_data_kr.pth
    • 필터링을 거치지 않은 한국어 대화 데이터로 학습한 large size Meena
  • base_meena_trained_on_filtered_data_jp.pth
    • 約5億件の日本語日常会話データで学習したbase sizeのMeena

Usage

• GPT

PYTHONPATH=. python examples/run_gpt.py \
        --pretrained-model-path $PRETRAINED_MODEL_PATH \
        --model-config-path $MODEL_CONFIG_PATH \
        --tokenizer-model-path $TOKENIZER_MODEL_PATH \
        --decoding-method $DECODING_METHOD

• Meena

PYTHONPATH=. python examples/run_meena.py \
        --pretrained-model-path $PRETRAINED_MODEL_PATH \
        --model-config-path $MODEL_CONFIG_PATH \
        --tokenizer-model-path $TOKENIZER_MODEL_PATH \
        --decoding-method $DECODING_METHOD

• We implement two decoding methods called Top-p Sampling and Beam Search as examples.
  • There is a trade-off of Accuracy (Sensibleness) and Diversity (Specificity) between two decoding methods.
  • Beam Search is a good choice if you prefer the accuracy of the answer, and Top-p Sampling is a good choice if you prefer the diversity of the answer.

Notes

Korean

• 모델의 생성 결과는 학습을 바탕으로 한 예측 결과이며 스캐터랩/핑퐁팀의 의견과 무관합니다.
• 모델의 생성 결과는 가상의 대화 생성 결과이며 사실 여부를 담보하지 않습니다.
• 스캐터랩/핑퐁팀은 공개한 모델의 생성 결과에 대한 책임을 지지 않습니다.
• 본 레포지토리는 모델의 사전 학습 코드를 포함하고 있지 않습니다.
• 공개한 모델은 원 논문에서 제안된 GPT-2 및 Meena 모델과 사이즈 및 구조적으로 일부 차이가 있습니다.
• 공개한 모델은 대량의 카톡 데이터를 이용한 사전학습만 완료한 상태이기 때문에 실사용을 할 때는 모델을 원하는 목적에 맞게 파인튜닝한 뒤 사용하시는 것을 권장드립니다.
• 모델의 상업적 활용에 대해서는 [email protected]로 문의 부탁드립니다.

Japanese

• モデルの生成結果は統計的機械学習を用いた予測結果であり、事実とは無関係な発話文が生成される可能性があります。この結果は当社の意思決定や判断を示すものではありません。
• 当社は、公開したモデルの使用によって生じる損失、損害等について、いかなる場合においても一切責任を負いません。
• 本レポジトリにはモデルの事前学習に関するソースコードが含まれておりません。
• 公開したモデルには、オリジナル論文で提案されたGPT-2、Meenaとはサイズやモデルの構造において一部異なる部分が含まれております。
• 公開したモデルは日常会話データを用いた事前学習のみを完了したものであり、実際に利用する場合には目的によって追加学習を行ってから利用することをお勧めします。
• モデルの商業的利用に関しては、[email protected]から問い合わせお願いします。

License

The pretrained models and the codes in this repository are distributed under the terms of the Apache-2.0 License.

Citation

If you use our software for research, please cite:

@misc{pingpong2020dial_gen_models,
  author = {Chaehun Park, Sangwoo Seo, Dawoon Jung},
  title = {dialogue-generation-models},
  year = {2019},
  publisher = {GitHub},
  howpublished = {\url{https://github.com/pingpong-ai/dialogue-generation-models}}
}

References

@techreport{radford2019gpt2,
    title={Language Models are Unsupervised Multitask Learners},
    author={Alec Radford, Jeffrey Wu, Rewon Child, David Luan, Dario Amodei, Ilya Sutskever},
    institution={OpenAI},
    year={2019}
}

@misc{adiwardana2020meena,
    title={Towards a Human-like Open-Domain Chatbot},
    author={Daniel Adiwardana, Minh-Thang Luong, David R So, Jamie Hall, Noah Fiedel, Romal Thoppilan, Zi Yang, Apoorv Kulshreshtha, Gaurav Nemade, Yifeng Lu},
    year={2020},
    eprint={2001.09977},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

Acknowledgments

For training models, we used Cloud TPUs provided by TensorFlow Research Cloud program.