forked from julianser/hed-dlg-truncated
-
Notifications
You must be signed in to change notification settings - Fork 0
/
state.py
executable file
·732 lines (543 loc) · 27.5 KB
/
state.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
from collections import OrderedDict
import cPickle
import os
def prototype_state():
state = {}
# ----- CONSTANTS -----
# Random seed
state['seed'] = 1234
# Logging level
state['level'] = 'DEBUG'
# Out-of-vocabulary token string
state['oov'] = '<unk>'
# These are end-of-sequence marks
state['end_sym_utterance'] = '</s>'
# Special tokens need to be defined here, because model architecture may adapt depending on these
state['unk_sym'] = 0 # Unknown word token <unk>
state['eos_sym'] = 1 # end-of-utterance symbol </s>
state['eod_sym'] = 2 # end-of-dialogue symbol </d>
state['first_speaker_sym'] = 3 # first speaker symbol <first_speaker>
state['second_speaker_sym'] = 4 # second speaker symbol <second_speaker>
state['third_speaker_sym'] = 5 # third speaker symbol <third_speaker>
state['minor_speaker_sym'] = 6 # minor speaker symbol <minor_speaker>
state['voice_over_sym'] = 7 # voice over symbol <voice_over>
state['off_screen_sym'] = 8 # off screen symbol <off_screen>
state['pause_sym'] = 9 # pause symbol <pause>
# ----- MODEL ARCHITECTURE -----
# If this flag is on, the hidden state between RNNs in subsequences is always initialized to zero.
# Set this to reset all RNN hidden states between 'max_grad_steps' time steps
state['reset_hidden_states_between_subsequences'] = False
# If this flag is on, the maxout activation function will be applied to the utterance decoders output unit.
# This requires qdim_decoder = 2x rankdim
state['maxout_out'] = False
# If this flag is on, a two-layer MLPs will applied on the utterance decoder hidden state before
# outputting the distribution over words.
state['deep_out'] = True
# If this flag is on, there will be an extra MLP between utterance and dialogue encoder
state['deep_dialogue_input'] = False
# Default and recommended setting is: tanh.
# The utterance encoder and utterance decoder activation function
state['sent_rec_activation'] = 'lambda x: T.tanh(x)'
# The dialogue encoder activation function
state['dialogue_rec_activation'] = 'lambda x: T.tanh(x)'
# Determines how to input the utterance encoder and dialogue encoder into the utterance decoder RNN hidden state:
# - 'first': initializes first hidden state of decoder using encoders
# - 'all': initializes first hidden state of decoder using encoders,
# and inputs all hidden states of decoder using encoders
# - 'selective': initializes first hidden state of decoder using encoders,
# and inputs all hidden states of decoder using encoders.
# Furthermore, a gating function is applied to the encoder input
# to turn off certain dimensions if necessary.
#
# Experiments show that 'all' is most effective.
state['decoder_bias_type'] = 'all'
# Define the gating function for the three RNNs.
state['utterance_encoder_gating'] = 'GRU' # Supports 'None' and 'GRU'
state['dialogue_encoder_gating'] = 'GRU' # Supports 'None' and 'GRU'
state['utterance_decoder_gating'] = 'GRU' # Supports 'None', 'GRU' and 'LSTM'
# If this flag is on, two utterances encoders (one forward and one backward) will be used,
# otherwise only a forward utterance encoder is used.
state['bidirectional_utterance_encoder'] = False
# If this flag is on, there will be a direct connection between utterance encoder and utterane decoder RNNs.
state['direct_connection_between_encoders_and_decoder'] = False
# If this flag is on, there will be an extra MLP between utterance encoder and utterance decoder.
state['deep_direct_connection'] = False
# If this flag is on, the model will collaps to a standard RNN:
# 1) The utterance+dialogue encoder input to the utterance decoder will be zero
# 2) The utterance decoder will never be reset
# Note this model will always be initialized with a hidden state equal to zero.
state['collaps_to_standard_rnn'] = False
# If this flag is on, the utterance decoder will be reset after each end-of-utterance token.
state['reset_utterance_decoder_at_end_of_utterance'] = True
# If this flag is on, the utterance encoder will be reset after each end-of-utterance token.
state['reset_utterance_encoder_at_end_of_utterance'] = True
# ----- HIDDEN LAYER DIMENSIONS -----
# Dimensionality of (word-level) utterance encoder hidden state
state['qdim_encoder'] = 512
# Dimensionality of (word-level) utterance decoder (RNN which generates output) hidden state
state['qdim_decoder'] = 512
# Dimensionality of (utterance-level) context encoder hidden layer
state['sdim'] = 1000
# Dimensionality of low-rank word embedding approximation
state['rankdim'] = 256
# ----- LATENT VARIABLES WITH VARIATIONAL LEARNING -----
# If this flag is on, a Gaussian latent variable is added at the beginning of each utterance.
# The utterance decoder will be conditioned on this latent variable,
# and the model will be trained using the variational lower bound.
# See, for example, the variational auto-encoder by Kingma et al. (2013).
state['add_latent_gaussian_per_utterance'] = False
# This flag will condition the latent variable on the dialogue encoder
state['condition_latent_variable_on_dialogue_encoder'] = False
# This flag will condition the latent variable on the DCGM (mean pooling over words) encoder.
# This will replace the conditioning on the utterance encoder.
# If the flag is false, the latent variable will be conditioned on the utterance encoder RNN.
state['condition_latent_variable_on_dcgm_encoder'] = False
# Dimensionality of Gaussian latent variable, which has diagonal covariance matrix.
state['latent_gaussian_per_utterance_dim'] = 10
# If this flag is on, the latent Gaussian variable at time t will be affected linearly
# by the distribution (sufficient statistics) of the latent variable at time t-1.
# This is different from an actual linear state space model (Kalman filter),
# since effective latent variables at time t are independent of all other latent variables,
# given the observed utterances. However, it's useful, because it avoids forward propagating noise
# which would make the training procedure more difficult than it already is.
# Although it has nice properties (matrix preserves more information since it is full rank, and if its eigenvalues are all positive the linear dynamics are just rotations in space),
# it appears to make training very unstable!
state['latent_gaussian_linear_dynamics'] = False
# This is a constant by which the diagonal covariance matrix is scaled.
# By setting it to a high number (e.g. 1 or 10),
# the KL divergence will be relatively low at the beginning of training.
state['scale_latent_variable_variances'] = 10
# If this flag is on, the utterance decoder will ONLY be conditioned on the Gaussian latent variable.
state['condition_decoder_only_on_latent_variable'] = False
# If this flag is on, the KL-divergence term weight for the Gaussian latent variable
# will be slowly increased from zero to one.
state['train_latent_gaussians_with_kl_divergence_annealing'] = False
# The KL-divergence term weight is increased by this parameter for every training batch.
# It is truncated to one. For example, 1.0/60000.0 means that at iteration 60000 the model
# will assign weight one to the KL-divergence term
# and thus only be maximizing the true variational bound from iteration 60000 and onward.
state['kl_divergence_annealing_rate'] = 1.0/60000.0
# If this flag is enabled, previous token input to the decoder RNN is replaced with 'unk' tokens at random.
state['decoder_drop_previous_input_tokens'] = False
# The rate at which the previous tokesn input to the decoder is kept (not set to 'unk').
# Setting this to zero effectively disables teacher-forcing in the model.
state['decoder_drop_previous_input_tokens_rate'] = 0.75
# Initialization configuration
state['initialize_from_pretrained_word_embeddings'] = False
state['pretrained_word_embeddings_file'] = ''
state['fix_pretrained_word_embeddings'] = False
# If this flag is on, the model will fix the parameters of the utterance encoder and dialogue encoder RNNs,
# as well as the word embeddings. NOTE: NOT APPLICABLE when the flag 'collaps_to_standard_rnn' is on.
state['fix_encoder_parameters'] = False
# ----- TRAINING PROCEDURE -----
# Choose optimization algorithm (adam works well most of the time)
state['updater'] = 'adam'
# If this flag is on, NCE (Noise-Contrastive Estimation) will be used to train model.
# This is significantly faster for large vocabularies (e.g. more than 20K words),
# but experiments show that this degrades performance.
state['use_nce'] = False
# Threshold to clip the gradient
state['cutoff'] = 1.
# Learning rate. The rate 0.0002 seems to work well across many tasks with adam.
# Alternatively, the learning rate can be adjusted down (e.g. 0.00004)
# to at the end of training to help the model converge well.
state['lr'] = 0.0002
# Early stopping configuration
state['patience'] = 20
state['cost_threshold'] = 1.003
# Batch size. If out of memory, modify this!
state['bs'] = 80
# Sort by length groups of
state['sort_k_batches'] = 20
# Training examples will be split into subsequences.
# This parameter controls the maximum size of each subsequence.
# Gradients will be computed on the subsequence, and the last hidden state of all RNNs will
# be used to initialize the hidden state of the RNNs in the next subsequence.
state['max_grad_steps'] = 80
# Modify this in the prototype
state['save_dir'] = './'
# Frequency of training error reports (in number of batches)
state['train_freq'] = 10
# Validation frequency
state['valid_freq'] = 5000
# Number of batches to process
state['loop_iters'] = 3000000
# Maximum number of minutes to run
state['time_stop'] = 24*60*31
# Error level to stop at
state['minerr'] = -1
return state
def prototype_test():
state = prototype_state()
# Fill paths here!
state['train_dialogues'] = "./tests/data/ttrain.dialogues.pkl"
state['test_dialogues'] = "./tests/data/ttest.dialogues.pkl"
state['valid_dialogues'] = "./tests/data/tvalid.dialogues.pkl"
state['dictionary'] = "./tests/data/ttrain.dict.pkl"
state['save_dir'] = "./tests/models/"
state['max_grad_steps'] = 20
# Handle pretrained word embeddings. Using this requires rankdim=10
state['initialize_from_pretrained_word_embeddings'] = False
state['pretrained_word_embeddings_file'] = './tests/data/MT_WordEmb.pkl'
state['fix_pretrained_word_embeddings'] = False
state['valid_freq'] = 50
state['collaps_to_standard_rnn'] = False
state['prefix'] = "testmodel_"
state['updater'] = 'adam'
state['maxout_out'] = False
state['deep_out'] = True
state['deep_dialogue_input'] = True
state['utterance_encoder_gating'] = 'GRU'
state['dialogue_encoder_gating'] = 'GRU'
state['utterance_decoder_gating'] = 'GRU'
state['bidirectional_utterance_encoder'] = True
state['direct_connection_between_encoders_and_decoder'] = True
state['bs'] = 5
state['sort_k_batches'] = 1
state['use_nce'] = False
state['decoder_bias_type'] = 'all'
state['qdim_encoder'] = 15
state['qdim_decoder'] = 5
state['sdim'] = 10
state['rankdim'] = 10
return state
def prototype_test_variational():
state = prototype_state()
# Fill paths here!
state['train_dialogues'] = "./tests/data/ttrain.dialogues.pkl"
state['test_dialogues'] = "./tests/data/ttest.dialogues.pkl"
state['valid_dialogues'] = "./tests/data/tvalid.dialogues.pkl"
state['dictionary'] = "./tests/data/ttrain.dict.pkl"
state['save_dir'] = "./tests/models/"
state['max_grad_steps'] = 20
# Handle pretrained word embeddings. Using this requires rankdim=10
state['initialize_from_pretrained_word_embeddings'] = True
state['pretrained_word_embeddings_file'] = './tests/data/MT_WordEmb.pkl'
state['fix_pretrained_word_embeddings'] = True
state['valid_freq'] = 5
state['collaps_to_standard_rnn'] = False
state['prefix'] = "testmodel_"
state['updater'] = 'adam'
state['maxout_out'] = False
state['deep_out'] = True
state['deep_dialogue_input'] = True
state['direct_connection_between_encoders_and_decoder'] = True
state['deep_direct_connection'] = True
state['utterance_encoder_gating'] = 'GRU'
state['dialogue_encoder_gating'] = 'GRU'
state['utterance_decoder_gating'] = 'GRU'
state['bidirectional_utterance_encoder'] = True
state['add_latent_gaussian_per_utterance'] = True
state['latent_gaussian_per_utterance_dim'] = 5
state['condition_latent_variable_on_dialogue_encoder'] = True
state['condition_latent_variable_on_dcgm_encoder'] = False
state['train_latent_gaussians_with_kl_divergence_annealing'] = True
state['kl_divergence_annealing_rate'] = 1.0/60000.0
state['latent_gaussian_linear_dynamics'] = True
state['decoder_drop_previous_input_tokens'] = True
state['decoder_drop_previous_input_tokens_rate'] = 0.75
state['bs'] = 5
state['sort_k_batches'] = 1
state['use_nce'] = False
state['decoder_bias_type'] = 'all'
state['qdim_encoder'] = 15
state['qdim_decoder'] = 5
state['sdim'] = 10
state['rankdim'] = 10
return state
# Twitter LSTM RNNLM model used in "A Hierarchical Latent Variable Encoder-Decoder Model for Generating Dialogues"
# by Serban et al. (2016).
def prototype_twitter_lstm():
state = prototype_state()
state['train_dialogues'] = "../TwitterData/Training.dialogues.pkl"
state['test_dialogues'] = "../TwitterData/Test.dialogues.pkl"
state['valid_dialogues'] = "../TwitterData/Validation.dialogues.pkl"
state['dictionary'] = "../TwitterData/Dataset.dict.pkl"
state['save_dir'] = "Output"
state['max_grad_steps'] = 80
state['valid_freq'] = 5000
state['prefix'] = "TwitterModel_"
state['updater'] = 'adam'
state['deep_dialogue_input'] = True
state['deep_out'] = True
state['collaps_to_standard_rnn'] = True
state['bs'] = 80
state['decoder_bias_type'] = 'all'
state['direct_connection_between_encoders_and_decoder'] = False
state['deep_direct_connection'] = False
state['reset_utterance_decoder_at_end_of_utterance'] = False
state['reset_utterance_encoder_at_end_of_utterance'] = False
state['lr'] = 0.0001
state['qdim_encoder'] = 10
state['qdim_decoder'] = 2000
state['sdim'] = 10
state['rankdim'] = 400
return state
# Twitter HRED model used in "A Hierarchical Latent Variable Encoder-Decoder Model for Generating Dialogues"
# by Serban et al. (2016).
# Note, similar or better performance might be reached by setting:
#
# state['decoder_bias_type'] = 'all'
# state['reset_utterance_encoder_at_end_of_utterance'] = True
# state['utterance_decoder_gating'] = 'LSTM'
#
def prototype_twitter_HRED():
state = prototype_state()
# Fill your paths here!
state['train_dialogues'] = "../TwitterData/Training.dialogues.pkl"
state['test_dialogues'] = "../TwitterData/Test.dialogues.pkl"
state['valid_dialogues'] = "../TwitterData/Validation.dialogues.pkl"
state['dictionary'] = "../TwitterData/Dataset.dict.pkl"
state['save_dir'] = "Output"
state['max_grad_steps'] = 80
state['valid_freq'] = 5000
state['prefix'] = "TwitterModel_"
state['updater'] = 'adam'
state['bidirectional_utterance_encoder'] = True
state['deep_dialogue_input'] = True
state['deep_out'] = True
state['bs'] = 80 # If out of memory, modify this!
state['decoder_bias_type'] = 'selective' # Choose between 'first', 'all' and 'selective'
state['direct_connection_between_encoders_and_decoder'] = False
state['deep_direct_connection'] = False
state['reset_utterance_decoder_at_end_of_utterance'] = True
state['reset_utterance_encoder_at_end_of_utterance'] = False
state['lr'] = 0.0001
state['qdim_encoder'] = 1000
state['qdim_decoder'] = 1000
state['sdim'] = 1000
state['rankdim'] = 400
state['utterance_decoder_gating'] = 'GRU'
return state
# Twitter HRED model, where context biases decoder using standard MLP.
def prototype_twitter_HRED_StandardBias():
state = prototype_state()
# Fill your paths here!
state['train_dialogues'] = "../TwitterData/Training.dialogues.pkl"
state['test_dialogues'] = "../TwitterData/Test.dialogues.pkl"
state['valid_dialogues'] = "../TwitterData/Validation.dialogues.pkl"
state['dictionary'] = "../TwitterData/Dataset.dict.pkl"
state['save_dir'] = "Output"
state['max_grad_steps'] = 80
state['valid_freq'] = 5000
state['prefix'] = "TwitterModel_"
state['updater'] = 'adam'
state['bidirectional_utterance_encoder'] = True
state['deep_dialogue_input'] = True
state['deep_out'] = True
state['bs'] = 80 # If out of memory, modify this!
state['decoder_bias_type'] = 'all' # Choose between 'first', 'all' and 'selective'
state['direct_connection_between_encoders_and_decoder'] = False
state['deep_direct_connection'] = False
state['reset_utterance_decoder_at_end_of_utterance'] = True
state['reset_utterance_encoder_at_end_of_utterance'] = True
state['lr'] = 0.0002
state['qdim_encoder'] = 1000
state['qdim_decoder'] = 1000
state['sdim'] = 1000
state['rankdim'] = 400
state['utterance_decoder_gating'] = 'LSTM'
return state
# Twitter VHRED model used in "A Hierarchical Latent Variable Encoder-Decoder Model for Generating Dialogues"
# by Serban et al. (2016). Note, this model was pretrained as the HRED model with state 'prototype_twitter_HRED'!
def prototype_twitter_VHRED():
state = prototype_state()
# Fill your paths here!
state['train_dialogues'] = "../TwitterData/Training.dialogues.pkl"
state['test_dialogues'] = "../TwitterData/Test.dialogues.pkl"
state['valid_dialogues'] = "../TwitterData/Validation.dialogues.pkl"
state['dictionary'] = "../TwitterData/Dataset.dict.pkl"
state['save_dir'] = "Output"
state['max_grad_steps'] = 80
state['valid_freq'] = 5000
state['prefix'] = "TwitterModel_"
state['updater'] = 'adam'
state['bidirectional_utterance_encoder'] = True
state['deep_dialogue_input'] = True
state['deep_out'] = True
state['bs'] = 80
state['decoder_bias_type'] = 'selective' # Choose between 'first', 'all' and 'selective'
state['direct_connection_between_encoders_and_decoder'] = False
state['deep_direct_connection'] = False
state['reset_utterance_decoder_at_end_of_utterance'] = True
state['reset_utterance_encoder_at_end_of_utterance'] = False
state['lr'] = 0.0001
state['qdim_encoder'] = 1000
state['qdim_decoder'] = 1000
state['sdim'] = 1000
state['rankdim'] = 400
state['utterance_decoder_gating'] = 'GRU'
state['add_latent_gaussian_per_utterance'] = True
state['latent_gaussian_per_utterance_dim'] = 100
state['scale_latent_variable_variances'] = 0.1
state['condition_latent_variable_on_dialogue_encoder'] = True
state['train_latent_gaussians_with_kl_divergence_annealing'] = True
state['kl_divergence_annealing_rate'] = 1.0/60000.0
state['decoder_drop_previous_input_tokens'] = True
state['decoder_drop_previous_input_tokens_rate'] = 0.75
state['patience'] = 20
return state
# Twitter VHRED model, where context biases decoder using standard MLP.
# Note, this model should be pretrained as HRED model.
def prototype_twitter_VHRED_StandardBias():
state = prototype_state()
# Fill your paths here!
state['train_dialogues'] = "../TwitterData/Training.dialogues.pkl"
state['test_dialogues'] = "../TwitterData/Test.dialogues.pkl"
state['valid_dialogues'] = "../TwitterData/Validation.dialogues.pkl"
state['dictionary'] = "../TwitterData/Dataset.dict.pkl"
state['save_dir'] = "Output"
state['max_grad_steps'] = 80
state['valid_freq'] = 5000
state['prefix'] = "TwitterModel_"
state['updater'] = 'adam'
state['bidirectional_utterance_encoder'] = True
state['deep_dialogue_input'] = True
state['deep_out'] = True
state['bs'] = 80
state['decoder_bias_type'] = 'all' # Choose between 'first', 'all' and 'selective'
state['direct_connection_between_encoders_and_decoder'] = False
state['deep_direct_connection'] = False
state['reset_utterance_decoder_at_end_of_utterance'] = True
state['reset_utterance_encoder_at_end_of_utterance'] = True
state['lr'] = 0.0002
state['qdim_encoder'] = 1000
state['qdim_decoder'] = 1000
state['sdim'] = 1000
state['rankdim'] = 400
state['utterance_decoder_gating'] = 'LSTM'
state['add_latent_gaussian_per_utterance'] = True
state['latent_gaussian_per_utterance_dim'] = 100
state['scale_latent_variable_variances'] = 0.1
state['condition_latent_variable_on_dialogue_encoder'] = True
state['train_latent_gaussians_with_kl_divergence_annealing'] = True
state['kl_divergence_annealing_rate'] = 1.0/60000.0
state['decoder_drop_previous_input_tokens'] = True
state['decoder_drop_previous_input_tokens_rate'] = 0.75
state['patience'] = 20
return state
# Ubuntu LSTM RNNLM model used in "A Hierarchical Latent Variable Encoder-Decoder Model for Generating Dialogues"
# by Serban et al. (2016).
def prototype_ubuntu_LSTM():
state = prototype_state()
state['end_sym_utterance'] = '__eot__'
state['unk_sym'] = 0 # Unknown word token <unk>
state['eos_sym'] = 1 # end-of-utterance symbol </s>
state['eod_sym'] = -1 # end-of-dialogue symbol </d>
state['first_speaker_sym'] = -1 # first speaker symbol <first_speaker>
state['second_speaker_sym'] = -1 # second speaker symbol <second_speaker>
state['third_speaker_sym'] = -1 # third speaker symbol <third_speaker>
state['minor_speaker_sym'] = -1 # minor speaker symbol <minor_speaker>
state['voice_over_sym'] = -1 # voice over symbol <voice_over>
state['off_screen_sym'] = -1 # off screen symbol <off_screen>
state['pause_sym'] = -1 # pause symbol <pause>
state['train_dialogues'] = "../UbuntuData/Training.dialogues.pkl"
state['test_dialogues'] = "../UbuntuData/Test.dialogues.pkl"
state['valid_dialogues'] = "../UbuntuData/Validation.dialogues.pkl"
state['dictionary'] = "../UbuntuData/Dataset.dict.pkl"
state['save_dir'] = "Output"
state['max_grad_steps'] = 80
state['valid_freq'] = 5000
state['prefix'] = "UbuntuModel_"
state['updater'] = 'adam'
state['bidirectional_utterance_encoder'] = False
state['deep_dialogue_input'] = True
state['deep_out'] = True
state['collaps_to_standard_rnn'] = True
state['bs'] = 80
state['decoder_bias_type'] = 'all'
state['direct_connection_between_encoders_and_decoder'] = False
state['deep_direct_connection'] = False
state['reset_utterance_decoder_at_end_of_utterance'] = False
state['reset_utterance_encoder_at_end_of_utterance'] = False
state['lr'] = 0.0002
state['qdim_encoder'] = 10
state['qdim_decoder'] = 2000
state['sdim'] = 10
state['rankdim'] = 300
state['utterance_decoder_gating'] = 'LSTM' # Supports 'None', 'GRU' and 'LSTM'
return state
# Ubuntu HRED model used in "A Hierarchical Latent Variable Encoder-Decoder Model for Generating Dialogues"
# by Serban et al. (2016).
def prototype_ubuntu_HRED():
state = prototype_state()
state['end_sym_utterance'] = '__eot__'
state['unk_sym'] = 0 # Unknown word token <unk>
state['eos_sym'] = 1 # end-of-utterance symbol </s>
state['eod_sym'] = -1 # end-of-dialogue symbol </d>
state['first_speaker_sym'] = -1 # first speaker symbol <first_speaker>
state['second_speaker_sym'] = -1 # second speaker symbol <second_speaker>
state['third_speaker_sym'] = -1 # third speaker symbol <third_speaker>
state['minor_speaker_sym'] = -1 # minor speaker symbol <minor_speaker>
state['voice_over_sym'] = -1 # voice over symbol <voice_over>
state['off_screen_sym'] = -1 # off screen symbol <off_screen>
state['pause_sym'] = -1 # pause symbol <pause>
state['train_dialogues'] = "../UbuntuData/Training.dialogues.pkl"
state['test_dialogues'] = "../UbuntuData/Test.dialogues.pkl"
state['valid_dialogues'] = "../UbuntuData/Validation.dialogues.pkl"
state['dictionary'] = "../UbuntuData/Dataset.dict.pkl"
state['save_dir'] = "Output"
state['max_grad_steps'] = 80
state['valid_freq'] = 5000
state['prefix'] = "UbuntuModel_"
state['updater'] = 'adam'
state['bidirectional_utterance_encoder'] = False
state['deep_dialogue_input'] = True
state['deep_out'] = True
state['bs'] = 80
state['reset_utterance_decoder_at_end_of_utterance'] = True
state['reset_utterance_encoder_at_end_of_utterance'] = True
state['utterance_decoder_gating'] = 'LSTM'
state['lr'] = 0.0002
state['qdim_encoder'] = 500
state['qdim_decoder'] = 500
state['sdim'] = 1000
state['rankdim'] = 300
return state
# Ubuntu VHRED model used in "A Hierarchical Latent Variable Encoder-Decoder Model for Generating Dialogues"
# by Serban et al. (2016). Note, this model was pretrained as the HRED model with state 'prototype_ubuntu_HRED'!
def prototype_ubuntu_VHRED():
state = prototype_state()
state['end_sym_utterance'] = '__eot__'
state['unk_sym'] = 0 # Unknown word token <unk>
state['eos_sym'] = 1 # end-of-utterance symbol </s>
state['eod_sym'] = -1 # end-of-dialogue symbol </d>
state['first_speaker_sym'] = -1 # first speaker symbol <first_speaker>
state['second_speaker_sym'] = -1 # second speaker symbol <second_speaker>
state['third_speaker_sym'] = -1 # third speaker symbol <third_speaker>
state['minor_speaker_sym'] = -1 # minor speaker symbol <minor_speaker>
state['voice_over_sym'] = -1 # voice over symbol <voice_over>
state['off_screen_sym'] = -1 # off screen symbol <off_screen>
state['pause_sym'] = -1 # pause symbol <pause>
state['train_dialogues'] = "../UbuntuData/Training.dialogues.pkl"
state['test_dialogues'] = "../UbuntuData/Test.dialogues.pkl"
state['valid_dialogues'] = "../UbuntuData/Validation.dialogues.pkl"
state['dictionary'] = "../UbuntuData/Dataset.dict.pkl"
state['save_dir'] = "Output"
state['max_grad_steps'] = 80
state['valid_freq'] = 5000
state['prefix'] = "UbuntuModel_"
state['updater'] = 'adam'
state['bidirectional_utterance_encoder'] = False
state['deep_dialogue_input'] = True
state['deep_out'] = True
state['bs'] = 80
state['reset_utterance_decoder_at_end_of_utterance'] = True
state['reset_utterance_encoder_at_end_of_utterance'] = True
state['utterance_decoder_gating'] = 'LSTM'
state['lr'] = 0.0002
state['qdim_encoder'] = 500
state['qdim_decoder'] = 500
state['sdim'] = 1000
state['rankdim'] = 300
# Latent variable configuration
state['add_latent_gaussian_per_utterance'] = True
state['latent_gaussian_per_utterance_dim'] = 100
state['scale_latent_variable_variances'] = 0.1
state['condition_latent_variable_on_dialogue_encoder'] = True
state['train_latent_gaussians_with_kl_divergence_annealing'] = True
state['kl_divergence_annealing_rate'] = 1.0/75000.0
state['decoder_drop_previous_input_tokens'] = True
state['decoder_drop_previous_input_tokens_rate'] = 0.75
state['patience'] = 20
return state