معرفی شرکت ها
chatty-goose-0.2.0
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A conversational passage retrieval toolkit
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | chatty-goose-0.2.0 |
| نام | chatty-goose |
| نسخه کتابخانه | 0.2.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Anserini Gaggle |
| ایمیل نویسنده | anserini.gaggle@gmail.com |
| آدرس صفحه اصلی | https://github.com/castorini/chatty-goose |
| آدرس اینترنتی | https://pypi.org/project/chatty-goose/ |
| مجوز | - |
# Chatty Goose
## Multi-stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting
---
[](https://pypi.org/project/chatty-goose/)
[](https://www.apache.org/licenses/LICENSE-2.0)
## Installation
1. Make sure Java 11+ and **Python 3.7+** are installed
2. Install the `chatty-goose` PyPI module
```
pip install chatty-goose
```
3. If you are using T5 or BERT, make sure to install [PyTorch 1.4.0 - 1.7.1](https://pytorch.org/) using your specific platform instructions. Note that PyTorch 1.8 is currently incompatible due to the `transformers` version we currently use. Also make sure to install the corresponding [torchtext](https://pypi.org/project/torchtext/) version.
4. Download the English model for spaCy
```
python -m spacy download en_core_web_sm
```
## Quickstart Guide
The following example shows how to initialize a searcher and build a `ConversationalQueryRewriter` agent from scratch using HQE and T5 as first-stage retrievers, and a BERT reranker. To see a working example agent, see [chatty_goose/agents/chat.py](chatty_goose/agents/chat.py).
First, load a searcher
```
from pyserini.search import SimpleSearcher
# Option 1: load a prebuilt index
searcher = SimpleSearcher.from_prebuilt_index("INDEX_NAME_HERE")
# Option 2: load a local Lucene index
searcher = SimpleSearcher("PATH_TO_INDEX")
searcher.set_bm25(0.82, 0.68)
```
Next, initialize one or more first-stage CQR retrievers
```
from chatty_goose.cqr import Hqe, Ntr
from chatty_goose.settings import HqeSettings, NtrSettings
hqe = Hqe(searcher, HqeSettings())
ntr = Ntr(NtrSettings())
```
Load a reranker
```
from chatty_goose.util import build_bert_reranker
reranker = build_bert_reranker()
```
Create a new `RetrievalPipeline`
```
from chatty_goose.pipeline import RetrievalPipeline
rp = RetrievalPipeline(searcher, [hqe, ntr], searcher_num_hits=50, reranker=reranker)
```
And we're done! Simply call `rp.retrieve(query)` to retrieve passages, or call `rp.reset_history()` to reset the conversational history of the retrievers.
## Running Experiments
1. Clone the repo and all submodules (`git submodule update --init --recursive`)
2. Clone and build [Anserini](https://github.com/castorini/anserini) for evaluation tools
3. Install dependencies
```
pip install -r requirements.txt
```
4. Follow the instructions under [docs/cqr_experiments.md](docs/cqr_experiments.md) to run experiments using HQE, T5, or fusion.
## Example Agent
To run an interactive conversational search agent with ParlAI, simply run [`chat.py`](chatty_goose/agents/chat.py). By default, we use the CAsT 2019 pre-built Pyserini index, but it is possible to specify other indexes using the `--from_prebuilt` flag. See the file for other possible arguments:
```
python -m chatty_goose.agents.chat
```
Alternatively, run the agent using ParlAI's command line interface:
```
python -m parlai interactive --model chatty_goose.agents.chat:ChattyGooseAgent
```
We also provide instructions to deploy the agent to Facebook Messenger using ParlAI under [`examples/messenger`](examples/messenger/README.md).
نیازمندی
| مقدار | نام |
|---|---|
| - | coloredlogs |
| ==1.1.0 | parlai |
| >=1.5 | pydantic |
| ==0.0.3.1 | pygaggle |
| <=2.3.5,>=2.2.4 | spacy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.7 | Python |
نحوه نصب
نصب پکیج whl chatty-goose-0.2.0:
pip install chatty-goose-0.2.0.whl
نصب پکیج tar.gz chatty-goose-0.2.0:
pip install chatty-goose-0.2.0.tar.gz