# coding=utf-8
import pandas as pd
import fool
import re
import random
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression
# -----------------------------------------------------
# 加载停用词词典
stopwords = {}
with open(r'stopword.txt', 'r', encoding='utf-8') as fr:
for word in fr:
stopwords[word.strip()] = 0
# -----------------------------------------------------
# 定义类
class CLF_MODEL:
# 类目标：该类将所有模型训练、预测、数据预处理、意图识别的函数包括其中
# 初始化模块
def __init__(self):
self.model = LogisticRegression() # 成员变量，用于存储模型
self.vectorizer = TfidfVectorizer() # 成员变量，用于存储tfidf统计值
# 训练模块
def train(self):
# 函数目标：读取训练数据，训练意图分类模型，并将训练好的分类模型赋值给成员变量self.model
# input：无
# output：无
# 从excel文件读取训练样本
d_train = pd.read_excel("data_train.xlsx")
# 对训练数据进行预处理
d_train.sentence_train = d_train.sentence_train.apply(self.fun_clean)
print("训练样本 = %d" % len(d_train))
"""
TODO：利用sklearn中的函数进行训练，将句子转化为特征features
"""
features = self.vectorizer.fit_transform(d_train.sentence_train.to_list())
self.model.fit(features, d_train.label)
# 预测模块（使用模型预测）
def predict_model(self, sentence):
# 函数目标：使用意图分类模型预测意图
# input：sentence（用户输入）
# output：clf_result（意图类别），score（意图分数）
# --------------
# 对样本中没有的特殊情况做特别判断
if sentence in ["好的", "需要", "是的", "要的", "好", "要", "是"]:
return 1, 0.8
# --------------
"""
TODO：利用已训练好的意图分类模型进行意图识别
"""
features = self.vectorizer.transform([self.fun_clean(sentence)])
scores = self.model.predict_proba(features)[0]
clf_result = np.argmax(scores)
score = scores[clf_result]
return clf_result, score
# 预测模块（使用规则）
def predict_rule(self, sentence):
# 函数目标：如果模型训练出现异常，可以使用规则进行预测，同时也可以让学员融合"模型"及"规则"的预测方式
# input：sentence（用户输入）
# output：clf_result（意图类别），score（意图分数）
sentence = sentence.replace(' ', '')
if re.findall(r'不需要|不要|停止|终止|退出|不买|不定|不订', sentence):
return 2, 0.8
elif re.findall(r'订|定|预定|买|购', sentence) or sentence in ["好的","需要","是的","要的","好","要","是"]:
return 1, 0.8
else:
return 0, 0.8
# 预处理函数
def fun_clean(self, sentence):
# 函数目标：预处理函数，将必要的实体转换成统一符号（利于分类准确），去除停用词等
# input：sentence（用户输入语句）
# output：sentence（预处理结果）
"""
TODO：预处理函数，将必要的实体转换成统一符号（利于分类准确），去除停用词等
"""
tokens = fool.cut(sentence)[0]
tokens = filter(lambda x:x not in stopwords, tokens)
sentence = ' '.join(tokens)
return sentence
# 分类主函数
def fun_clf(self, sentence):
# 函数目标：意图识别主函数
# input：sentence（ 用户输入语句）
# output：clf_result（意图类别），score（意图分数）
# 对用户输入进行预处理
sentence = self.fun_clean(sentence)
# 得到意图分类结果（0为“查询”类别，1为“订票”类别，2为“终止服务”类别）
clf_result, score = self.predict_model(sentence) # 使用训练的模型进行意图预测
# clf_result, score = self.predict_rule(sentence) # 使用规则进行意图预测（可与用模型进行意图识别的方法二选一）
return clf_result, score
def fun_replace_num(sentence):
# 函数目标：替换时间中的数字（目的是便于实体识别包fool对实体的识别）
# input：sentence
# output：sentence
# 定义要替换的数字
time_num = {"一":"1","二":"2","三":"3","四":"4","五":"5","六":"6","七":"7","八":"8","九":"9","十":"10","十一":"11","十二":"12"}
for k, v in time_num.items():
sentence = sentence.replace(k, v)
return sentence
FROM_INDICATOR = {'从', '由'}
TO_INDICATOR = {'到', '去', '抵', '达', '飞', '往', '回', '出', '查', '询'}
def extract_location(sentence, slot, key):
# 抽取地点
# 找到location命名实体
# 判断是出发还是到达
words, ners = fool.analysis(sentence)
print(words, ners)
for start_idx, end_idx, label, content in ners[0]:
if label == 'location' or label == "company":
if key is None:
if 'from_city' in slot:
slot['to_city'] = content
elif 'to_city' in slot:
slot['from_city'] = content
else:
if start_idx > 0 and sentence[start_idx-1] in FROM_INDICATOR or \
end_idx < len(sentence) and sentence[end_idx] in TO_INDICATOR:
slot['from_city'] = content
if start_idx > 0 and sentence[start_idx-1] in TO_INDICATOR:
slot['to_city'] = content
if (not 'from_city' in slot) and (not 'to_city' in slot):
slot['from_city'] = content
else:
slot[key] = content
return slot
TEMP_TIME = "\d{1,2}(点|\.|时|:)\d{0,2}(分|:|秒|\.|刻)?(\d{1,2})*"
def extract_time(sentence, slot):
# 抽取时间
# 利用正则表达式
time = re.search(TEMP_TIME, sentence)
if not time is None:
slot['time'] = sentence[time.start():time.end()+1]
return slot
TEMP_DATE = r'\d{4}年\d{1,2}月\d{1,2}日|明天|后天|今天|\d{1,2}月\d{1,2}日|\d{4}[-|/|.]\d{1,2}[-|/|.]\d{1,2}|周\d|星期\d|礼拜\d'
def extract_date(sentence, slot):
# 抽取日期
# 利用正则表达式
date = re.search(TEMP_DATE, sentence)
if not date is None:
slot['date'] = sentence[date.start():date.end()+1]
return slot
def slot_fill(sentence, key=None):
# 函数目标：填槽函数（该函数从sentence中寻找需要的内容，完成填槽工作）
# input：sentence（用户输入）, key（指定槽位，只对该句话提取指定槽位的信息）
# output：slot（返回填槽的结果，以json格式返回，key为槽位名，value为值）
slot = {}
# 进行实体识别
"""
TODO：从sentence中寻找需要的内容，完成填槽工作
"""
# 地点抽取
extract_location(sentence, slot, key)
# 时间抽取
extract_time(sentence, slot)
# 日期抽取
extract_date(sentence, slot)
return slot
def fun_wait(clf_obj):
# 函数目标：等待，获取用户输入问句
# input：CLF_MODEL类实例化对象
# output：clf_result（用户输入意图类别）, score（意图识别分数）, sentence（用户输入）
# 等待用户输入
print("\n\n\n")
print("-------------------------------------------------------------")
print("----*------*-----*-----*----*-----*-----*-----*-----*------")
print("Starting ...")
sentence = input("客服：请问需要什么服务？(时间请用12小时制表示）\n")
# 对用户输入进行意图识别
clf_result, score = clf_obj.fun_clf(sentence)
return clf_result, score, sentence
def fun_search(clf_result, sentence):
# 函数目标：为用户查询余票
# input：clf_result（意图分类结果）, sentence（用户输入问句）
# output：是否有票
# 定义槽存储空间
name = {"time":"出发时间", "date":"出发日期", "from_city":"出发城市", "to_city":"到达城市"}
slot = {"time": "", "date":"", "from_city":"", "to_city":""}
# 使用用户第一句话进行填槽
sentence = fun_replace_num(sentence)
slot_init = slot_fill(sentence)
for key in slot_init.keys():
slot[key] = slot_init[key]
# 对未填充对槽位，向用户提问，进行针对性填槽
while "" in slot.values():
for key in slot.keys():
while slot[key] == "":
print(slot)
sentence = input("客服：请问%s是？\n"%(name[key]))
sentence = fun_replace_num(sentence)
slot_cur = slot_fill(sentence, key)
print(slot_cur)
for _key in slot_cur.keys():
if slot[_key]=="":
slot[_key] = slot_cur[_key]
# 查询是否有票，并答复用户（本次查询是否有票使用随机数完成，实际情况可查询数据库返回）
if random.random()>0.5:
print("客服：%s%s从%s到%s的票充足"%(slot["date"], slot["time"], slot["from_city"], slot["to_city"]))
# 返回1表示有票
return 1
else:
print("客服：%s%s从%s到%s无票" % (slot["date"], slot["time"], slot["from_city"], slot["to_city"]))
print("End !!!")
print("----*------*-----*-----*----*-----*-----*-----*-----*------")
print("-------------------------------------------------------------")
# 返回0表示无票
return 0
def fun_book():
# 函数目标：执行下单订票动作
# input：无
# output：无
print("客服：已为您完成订票。\n\n\n")
print("End !!!")
print("----*------*-----*-----*----*-----*-----*-----*-----*------")
print("-------------------------------------------------------------")
if __name__=="__main__":
# 实例化对象
clf_obj = CLF_MODEL()
# 完成意图识别模型的训练
clf_obj.train()
# 用户定义阈值（当分类器分类的分数大于阈值才采纳本次意图分类结果，目的是排除分数过低的意图分类结果）
threshold = 0.55
# 循环提供服务
while 1:
clf_result, score, sentence = fun_wait(clf_obj)
# -------------------------------------------------------------------------------
# 状态转移条件（等待-->等待）：用户输入未达到“查询”、“订票”类别的阈值 OR 意图被分类为“终止服务”
# -------------------------------------------------------------------------------
if score < threshold or clf_result == 2:
continue
# -------------------------------------------------------------------------------
# 状态转移条件（等待-->查询）：用户输入分类为“查询” OR “订票”
# -------------------------------------------------------------------------------
else:
# 收集订票细节信息
search_result = fun_search(clf_result, sentence)
# 查询无票
# -------------------------------------------------------------------------------
# 状态转移条件（查询-->等待）：FUN_SEARCH执行完后用户输入意图为“终止服务” OR FUN_SEARCH返回无票
# -------------------------------------------------------------------------------
if search_result==0:
continue
# 查询有票
else:
# 等待用户输入
sentence = input("客服：需要为您订票吗？\n")
# 对用户输入进行意图识别
clf_result, score = clf_obj.fun_clf(sentence)
# -------------------------------------------------------------------------------
# 状态转移条件（查询-->订票）：FUN_SEARCH返回有票 AND 用户输入意图为“订票”
# -------------------------------------------------------------------------------
if clf_result == 1:
fun_book()
continue