systemy_dialogowe/notebooks/11-generowanie-odpowiedzi.ipynb

{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "1a9e48a0",
   "metadata": {},
   "source": [
    "Generowanie odpowiedzi\n",
    "======================\n",
    "\n",
    "W systemie dialogowym taktyka prowadzenia dialogu odpowiada za wyznaczanie aktów systemowych, czyli wskazanie tego **co ma zostać przez system wypowiedziane** i/lub wykonane.\n",
    "Zadaniem modułu generowania odpowiedzi jest zamiana aktów dialogowych na wypowiedzi w języku\n",
    "naturalnym, czyli wskazanie tego **w jaki sposób** ma zostać wypowiedziane to co ma zostać\n",
    "wypowiedziane.\n",
    "\n",
    "Generowanie odpowiedzi przy użyciu szablonów\n",
    "--------------------------------------------\n",
    "Podstawowe narzędzie wykorzystywane w modułach generowania odpowiedzi stanowią szablony tekstowe\n",
    "interpolujące zmienne. W Pythonie mechanizm ten jest dostępny za pośrednictwem\n",
    "[f-stringów](https://docs.python.org/3/reference/lexical_analysis.html#f-strings), metody\n",
    "[format](https://docs.python.org/3/library/string.html#formatstrings) oraz zewnętrznych bibliotek takich, jak [Jinja2](https://jinja.palletsprojects.com/).\n",
    "\n",
    "O ile podejście wykorzystujące wbudowane mechanizmy języka Python sprawdza się w prostych\n",
    "przypadkach..."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "250a4248",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "outputs": [],
   "source": [
    "def nlg(system_act):\n",
    "    domain, intent, slot, value = system_act\n",
    "\n",
    "    if intent == 'Inform' and slot == 'Phone':\n",
    "        return f'Numer telefonu to {value}'"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "54e4076a",
   "metadata": {},
   "outputs": [],
   "source": [
    "nlg(['Hotel', 'Inform', 'Phone', '1234567890'])"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "38dfc0e6",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "source": [
    "... to trzeba mieć świadomość, że w toku prac nad agentem dialogowym może być konieczne\n",
    "uwzględnienie m.in.:\n",
    "\n",
    " 1. szablonów zależnych od wartości slotów"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "5f0930e1",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "outputs": [],
   "source": [
    "def nlg(system_act):\n",
    "    domain, intent, slot, value = system_act\n",
    "\n",
    "    if domain == 'Restaurant' and intent == 'Inform' and slot == 'Count':\n",
    "        if value == 0:\n",
    "            return f'Nie znalazłem restauracji spełniających podane kryteria.'\n",
    "        elif value == 1:\n",
    "            return f'Znalazłem jedną restaurację spełniającą podane kryteria.'\n",
    "        elif value <= 4:\n",
    "            return f'Znalazłem {value} restauracje spełniające podane kryteria.'\n",
    "        elif value <= 9:\n",
    "            return f'Znalazłem {value} restauracji spełniających podane kryteria.'\n",
    "        else:\n",
    "            return f'Znalazłem wiele restauracji spełniających podane kryteria.'"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "1245bde1",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "outputs": [],
   "source": [
    "nlg(['Restaurant', 'Inform', 'Count', 0])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "7c09def2",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "outputs": [],
   "source": [
    "nlg(['Restaurant', 'Inform', 'Count', 1])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "bcf67aa4",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "outputs": [],
   "source": [
    "nlg(['Restaurant', 'Inform', 'Count', 2])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "6390d6c5",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "outputs": [],
   "source": [
    "nlg(['Restaurant', 'Inform', 'Count', 6])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "3b269a47",
   "metadata": {},
   "outputs": [],
   "source": [
    "nlg(['Restaurant', 'Inform', 'Count', 100])"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "acec991b",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "source": [
    " 2. wielu wariantów tej samej wypowiedzi"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d35b82f9",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "outputs": [],
   "source": [
    "import random\n",
    "\n",
    "def nlg(system_act):\n",
    "    domain, intent, slot, value = system_act\n",
    "\n",
    "    if intent == 'Affirm':\n",
    "        r = random.randint(1, 3)\n",
    "\n",
    "        if r == 1:\n",
    "            return 'Tak'\n",
    "        elif r == 2:\n",
    "            return 'Zgadza się'\n",
    "        else:\n",
    "            return 'Potwierdzam'\n",
    "\n",
    "nlg(['Hotel', 'Affirm', '', ''])"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "8e0244f4",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "source": [
    " 3. wielojęzycznego interfejsu użytkownika"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "bed51e01",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "outputs": [],
   "source": [
    "def nlg_en(system_act):\n",
    "    domain, intent, slot, value = system_act\n",
    "\n",
    "    if domain == 'Hotel' and intent == 'Request' and slot == 'CreditCardNo':\n",
    "        return 'What is your credit card number?'"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "6762fc98",
   "metadata": {},
   "outputs": [],
   "source": [
    "nlg_en(['Hotel', 'Request', 'CreditCardNo', '?'])"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "23323149",
   "metadata": {
    "lines_to_next_cell": 0
   },
   "source": [
    "Generowanie odpowiedzi z wykorzystaniem uczenia maszynowego\n",
    "-----------------------------------------------------------\n",
    "Obok mechanizmu szablonów do generowania odpowiedzi można również\n",
    "stosować techniki uczenia maszynowego.\n",
    "Zagadnienie to stanowiło\n",
    "przedmiot konkursu [E2E NLG Challenge](http://www.macs.hw.ac.uk/InteractionLab/E2E/) (Novikova i in., 2017).\n",
    "Przyjrzyjmy się danym, jakie udostępnili organizatorzy."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "0e616020",
   "metadata": {},
   "outputs": [],
   "source": [
    "!mkdir -p l11\n",
    "!curl -L -C - https://github.com/tuetschek/e2e-dataset/releases/download/v1.0.0/e2e-dataset.zip -o l11/e2e-dataset.zip\n",
    "!unzip l11/e2e-dataset.zip -d l11"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d9a1032e",
   "metadata": {},
   "outputs": [],
   "source": [
    "import pandas as pd\n",
    "\n",
    "trainset = pd.read_csv('l11/e2e-dataset/trainset.csv')\n",
    "trainset"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "d3d5e0d6",
   "metadata": {},
   "source": [
    "Zadanie\n",
    "-------\n",
    "Zaimplementować moduł generowania odpowiedzi obejmujący akty systemowe występujące w zgromadzonym korpusie.\n",
    "\n",
    "Literatura\n",
    "----------\n",
    " 1.  Jekaterina Novikova, Ondřej Dušek, Verena Rieser, The E2E Dataset: New Challenges For End-to-End Generation, Proceedings of the SIGDIAL 2017 Conference, pages 201-206, Saarbrücken, Germany https://arxiv.org/pdf/1706.09254.pdf"
   ]
  }
 ],
 "metadata": {
  "jupytext": {
   "cell_metadata_filter": "-all",
   "main_language": "python",
   "notebook_metadata_filter": "-all"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}