end-to-end-negotiator

简介

这是对以下研究论文的 PyTorch 实现:

• (1) 战略对话的层次化文本生成和规划
• (2) 交易还是不交易? 面向端到端的谈判对话学习 该代码由 Facebook AI Research 开发。 该代码训练神经网络以自然语言进行谈判,并支持强化学习自玩和基于展开的规划。

引用

如果您想在研究中使用此代码,请引用:

…

数据集 我们将数据集与代码一起发布,可以在 data/negotiate 目录中找到。这个数据集包含 5808 个对话,基于 2236 个唯一场景。请参阅论文第 2.3 节,了解数据收集的相关信息。每个对话在数据集中转换为两个训练示例,展示了每个代理的完整对话。各个代理的输入目标、输出选择以及特殊标记符(用于标记语句是读取还是书写)存在差异。有关数据表示的详细信息,请参阅第 3.1 节。

设置环境

所有代码均在 CentOS Linux 7 上使用 Python 3.0 进行开发,并在 Ubuntu 16.04 上进行测试。此外,我们使用了 PyTorch 1.0.0、CUDA 9.0 和 Visdom 0.1.8.4。我们建议使用 Anaconda。若要设置工作环境,请按照以下步骤操作: