Sequential Matching Network(ACL 2017) reimplemented by MXNET1.0-GPU//but you can always use cpu
用mxnet写的SMN，这篇文章发表在ACL 2017，使用MXNET1.0实现
SMN是啥？
SoTA model of multi-turn retrieval-based conversation systems.
You can see the paperSMN
Don't forget reference it if you use.
Wu, Yu, et al. "Sequential Matching Network: A New Archtechture for Multi-turn Response Selection in Retrieval-based Chatbots." ACL. 2017.
SMN是目前最屌的多轮检索对话模型.
如果你是个大佬，请去读一下这篇论文SMN，这是我这一年中读过的为数不多的好文章.
它坦诚了SMN在某些方面的失败，对于baseline也作了完整归类，总结，所以ACL的质量还是非常高的。
你能不能告诉我怎么用？
1.get data from msradouban corpus
2.get pre-trained word2vec.model use bash python3.5 gen_w2v.py train.txt train_vec.model train_vec.vec
3.get processed data use Process.py(also only support py3)
4.run the model
1.下载数据 douban corpus
2.预训练Embedding矩阵python3.5 gen_w2v.py train.txt train_vec.model train_vec.vec
3.预处理数据使用Process.py
4.跑模型
额外赠礼：每个py文件的作用
| 代码 | 作用 |
|---|---|
| gen_w2v.py | 用来生成预训练的词向量 |
| Process.py | 用来打包数据 |
| model.py | 用来训练模型 |
模型的参数
batch_size = 1000(with 1 titan xp)
embedding_size = 200
gru_layer = 1
max_turn = 10
max_len = 50
lr = 0.001
警告：如果尝试修改参数，将会是一件非常痛苦的事情，因为我的代码高耦合
为什么是MXNET？
Fast!
快! 不仅是开发快，运行快，训练也快。
当你使用MXNET的时候你会有一种闪电侠在中城奔跑的错觉。 -杜存宵
我只会用该死的TensorFlow,怎么办？
你可以选择学习theano或者mxnet，也可以自己实现一个。
或者自杀。
你的代码就像shit一样
Sorry to hear that.
你可以贡献你pythonic的代码，但是不好意思，我只用了三天的边角零头来开发这个模型。
我能用这个东西做个聊天机器人吗
If you can use lucene then you can.
需要为每个query使用lucene检索出一个候选列表，之后进行排序
你真帅，我要为你生猴子
You can sent your money to this website
你可以在支付宝E公益进行打赏。
不好意思，不好意思。
1.save model
2.add dropout
3.add evaluations
4.add inference