Upload New File

project2_main.py

+# coding=utf-8
+
+import pandas as pd
+import numpy as np
+import fool
+import re
+import random
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.linear_model import LogisticRegression
+import pickle
+
+
+# -----------------------------------------------------
+# 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(C=10)  # 成员变量，用于存储模型
+        self.vectorizer = TfidfVectorizer(analyzer="word",
+                                          token_pattern=r"(?u)\b\w+\b")  # 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
+        import pandas as pd
+        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
+        """
+        
+
+        sentence = fool.cut(sentence)[0]
+        sentence = self.fun_clean(sentence)
+        sentence = self.vectorizer.transform([sentence])
+        
+        score_list = self.model.predict_proba(sentence)[0]
+        clf_result = np.argmax(score_list, axis =0)
+        score = score_list[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
+        """
+        # Yang
+        # sentence = '预处理函数的，将必要的实体转换成统一符号'
+        
+        words, ners = fool.analysis(sentence)
+        ners = ners[0].sort(key=lambda x: len(x[-1]), reverse=True)
+        if ners:
+            for ner in ners:
+                sentence = sentence.replace(ner[-1], ' ' + ner[2] + ' ')
+        
+        sentence = [token for token in sentence if token not in [*stopwords]]
+        sentence = ''.join(sentence)
+            
+        return sentence.strip()
+
+    # 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
+
+
+def slot_fill(sentence, key=None):
+    """
+    填槽函数
+    :param sentence:
+    :return slot: 
+    """
+    slot = {}
+
+    words, ners = fool.analysis(sentence)
+    to_city_flag = 0  
+
+    for ner in ners[0]:
+        
+        if ner[2] == 'time':
+
+            date_content = re.findall(
+                r'后天|明天|今天|大后天|周末|周一|周二|周三|周四|周五|周六|周日|本周一|本周二|本周三|本周四|本周五|本周六|本周日|下周一|下周二|下周三|下周四|下周五|下周六|下周日|这周一|这周二|这周三|这周四|这周五|这周六|这周日|\d{,2}月\d{,2}号|\d{,2}月\d{,2}日',
+                ner[-1])
+            slot["date"] = date_content[0] if date_content else ""
+
+            time_content = re.findall(r'\d{,2}点\d{,2}分|\d{,2}点钟|\d{,2}点', ner[-1])
+            pmam_content = re.findall(r'上午|下午|早上|晚上|中午|早晨', ner[-1])
+            slot["time"] = pmam_content[0] if pmam_content else "" + time_content[0] if time_content else ""
+
+        if ner[2] == 'location':
+
+            if key is None:
+                if re.findall(r'(到|去|回|回去)%s' % (ner[-1]), sentence):
+                    to_city_flag = 1
+                    slot["to_city"] = ner[-1]
+                    continue
+                if re.findall(r'从%s|%s出发' % (ner[-1], ner[-1]), sentence):
+                    slot["from_city"] = ner[-1]
+                elif to_city_flag == 1:
+                    slot["from_city"] = ner[-1]
+            # 如果指定了槽位
+            elif key in ["from_city", "to_city"]:
+                slot[key] = ner[-1]
+
+
+    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():
+            if slot[key]=="":
+                sentence = input("客服：请问%s是？\n"%(name[key]))
+                sentence = fun_replace_num(sentence)
+                slot_cur = slot_fill(sentence, key)
+                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