Paper-Recurrence | Still work

由于考虑到部分模型及思路想法的复现代码量比较大，集中放在一个仓库中不合适，所以这里将一些代码量较大的项目分离到单独的仓库中，并通过引用指向。

Notice | 特别说明

特别说明：此处模型代码为纯模型结构的代码，且都经过本人训练、测试、评价使用无误的代码，在代码关键处我添加了必要的注释，可以放心使用。

目前我的想法是直接复现论文时，只上传模型结构的代码，这样有利于缩小项目体积（后续逐步构建完善）。当然，如果有对部分复现代码感兴趣的伙伴，想要提出交流或者想要我实现完整过程等，欢迎提Issue。

Data | 数据

1. smudict

2. thchs30

3. ubuntu corpus

4. TrecQA：TrecQA是QA最广泛评估和长期作为标准的数据集之一，用于回答基于事实的问题的任务

5. QatarLiving：答案通常是主观的而不是事实的，在这个数据集中，每个问题有十个答案，标记为“正向”和“负向”

6. Tweet Reply Prediction：数据集中包含对知名品牌的Tweet-Response对

7. ETT(变电站温度数据)

8. ECL(耗电量数据)

9. 天气数据

Code | 模型代码

1. Byte Pair Encoding（BPE）：论文代码
2. Batch Normalization
3. Cosine Normalization
4. Group Normalization：论文代码

Tensorflow2.3

Tools

1. en_text_to_phoneme

Models

1. Transformer
2. Scheduled Sampling for Transformer
3. GPT2
4. GPT2-TF2.3完整仓库：使用GPT2以及TensorFlow2.3实现闲聊，后续更新PyTorch。
5. Sequential Matching Network
6. Seq-to-Seq base
7. Neural Belief Tracker
8. An End-to-End Trainable Neural Network Model with Belief Tracking for Task-Oriented Dialog

Pytorch1.7.0

Seq-to-Seq base：包含完整数据处理、训练、对话、模型保存恢复等代码