Rasa识别日期问题解决路径与方案

问题描述

在完成星座运势function的编写中，面临着用户不知道其星座的场景。此时用户将回答出生月日。bot需要把月和日的数字提取出来，换算到对应星座。
出现的问题：
1.无法将同为entities的两个数字提取出来 [7,15] -> [7]
2.无法将中文识别出来

---

初始代码

nlu中：
这里把month和day分开写的

- [1](month)月[2](day)日
    - [3](month)月[9](day)日
    - [4](month)月[12](day)日
    - [5](month)月[27](day)号
    - [7](month)月[2](day)日
    - [11](month)月[12](day)号
    - [八](month)月[十二](day)日
    - [九](month)月[二十一](day)日
    - [三](month)月[五](day)日
    - [十一](month)月[七](day)日
    - [七](month)月[六](day)号
    - [八](month)月[十五](day)日
    - [1](month)
    - [2](month)
    - [3](month)
    - [4](month)
    - [5](month)
    - [6](month)
    - [7](month)

story中：

- story: 用户询问星座+用户不知道自己星座+月份星座匹配
  steps:
    - intent: ask_horoscope_vague
    - action: utter_for_starsign
    - intent: user_not_know_starsign
    - action: utter_for_month_and_day
    - intent: inform
      entities:
        - month: "五"
        - day: "十二"
    - action: action_return_star
    - action: action_report_horoscope

action中：
引入pycnnum对中文数字和阿拉伯数字进行转换
注意isnumeric()是对字符串中是否含有数字（中文阿拉伯均可）进行判断，isdigit()是判断是字符串还是数字

class ReturnStarAction(Action):
    def name(self) -> Text:
        return "action_return_star"

    def checkdate(self, tracker):
        month = tracker.get_slot("month")
        day = tracker.get_slot("day")
        date_accurate = False
        if month.isdigit() == False:
            month = pycnnum.cn2num(month)
        if int(month) > 0 and int(month) < 13:
            date_accurate = True
        if day.isdigit() == False:
            day = pycnnum.cn2num(day)
        if int(day) > 0 and int(day) < 32:
            date_accurate = True

        return  month, day, date_accurate

    def findstar(self, month, day):
        daylist = [20, 19, 21, 20, 21, 22, 23, 23, 23, 24, 23, 22]
        starlist = ['摩羯座', '水瓶座', '双鱼座', '白羊座', '金牛座', '双子座', '巨蟹座', '狮子座', '处女座', '天秤座', '天蝎座', '射手座']
        if int(day) < daylist[int(month) - 1]:
            return starlist[int(month) - 1]
        else:
            return starlist[int(month)]

    def run(self, dispatcher: CollectingDispatcher,
            tracker: Tracker,
            domain: Dict[Text, Any]) -> List[Dict[Text, Any]]:
        month, day, checkdate_status = self.checkdate(tracker)
        if checkdate_status == False:
            dispatcher.utter_message(text=f"我寻思着这日期只应天上有，要不您说个靠谱的？")
            return []
        else:
            star = self.findstar(month, day)
            dispatcher.utter_message(text=f"原来你是{star}~！")
            return [SlotSet('starsign_type', star)]

---

解决方案一

修改pipeline
因为中文字体不存在空格，有一些专门为英文设计的模型就不能使用，token出现错位的情况。可以通过修改pipeline中的模型来改善这个问题。
但在rasa论坛中找了一圈，也没找到合适的pipeline，这个跑通的版本是段老师给的。

在config文件中

language: "zh"

pipeline:
  - name: zh_rasa.TFNLUClassifier
    epochs: 10
    encoder_path: https://code.aliyun.com/qhduan/bert_part/raw/508f4beacff09890d60fbaf273dff6c0d4932863/roberta_wwm_1.tar.gz
  - name: zh_rasa.TFNLUExtractor
    epochs: 30
    encoder_path: https://code.aliyun.com/qhduan/bert_part/raw/508f4beacff09890d60fbaf273dff6c0d4932863/roberta_wwm_1.tar.gz

policies:
  - name: MemoizationPolicy
  - name: RulePolicy
  - name: TEDPolicy
    max_history: 5
    epochs: 200
    constrain_similarities: true
    model_confidence: linear_norm

解决方案二

把用户的整句话放到action中，然后用python正则表达式识别日期。
message = tracker.latest_message.text：用来返回用户的整句话
关于python正则表达提取日期