CDial-GPT：大型中文简短对话数据集与中文预训练对话模型

简介：
CDial-GPT为一个专为中国用户设计的大型中文简短对话数据库及预训练模型，旨在促进高效、自然的人机对话技术发展。 CDial GPT项目提供了一个大规模的中文对话数据集，并在此基础上训练了中文GPT模型。更多信息请参考我们的文档。 该项目基于HuggingFace Pytorch库进行开发，支持预训练与微调操作。更新记录如下： 2021年2月28日：我们发布了一项新功能，欢迎各位用户报告bug并提出加速优化算法的建议以及新的数据清洗需求等。 2021年1月9日：实验室出版了新书《自然语言处理实践》，欢迎大家阅读购买。 2020年11月20日：发布了预训练模型的新工作。该研究将词级的语言学知识（包括词性和情感倾向）融入到表示模型SentiLARE中，欢迎使用并给予反馈。 2020年10月18日：我们的论文《大规模中文短文本对话数据集》在NLPCC 2020会议上荣获最佳学生论文奖。 2020年9月8日：感谢所有贡献者和用户的帮助和支持。 2020年9月2日：现在可以加载预训练模型，感谢苏剑林提供的代码支持。我们所提供的数据集LCCC（大规模汉语清洁会话）可满足多种研究需求。