chatbot/modules/nlu.py

@@ -0,0 +1,42 @@
+import copy
+from copy import deepcopy
+import json
+import os
+import jsgf
+
+
+class NLU:
+    def __init__(self):
+        self.grammars = [
+            jsgf.parse_grammar_file(f"grammars/{file_name}")
+            for file_name in os.listdir("grammars")
+        ]
+
+    def get_dialog_act(self, rule):
+        slots = []
+        self.get_slots(rule.expansion, slots)
+        return {"act": rule.grammar.name, "slots": slots}
+
+    def get_slots(self, expansion, slots):
+        if expansion.tag != "":
+            slots.append((expansion.tag, expansion.current_match))
+            return
+
+        for child in expansion.children:
+            self.get_slots(child, slots)
+
+        if not expansion.children and isinstance(expansion, jsgf.NamedRuleRef):
+            self.get_slots(expansion.referenced_rule.expansion, slots)
+
+    def match(self, utterance):
+        list_of_illegal_character = [",", ".", "'", "?", "!", ":", "-", "/"]
+        for illegal_character in list_of_illegal_character[:-2]:
+            utterance = utterance.replace(f"{illegal_character}", "")
+        for illegal_character in list_of_illegal_character[-2:]:
+            utterance = utterance.replace(f"{illegal_character}", " ")
+
+        for grammar in self.grammars:
+            matched = grammar.find_matching_rules(utterance.lower())
+            if matched:
+                return self.get_dialog_act(matched[0])
+        return {"act": "null", "slots": []}

evaluate.py

@@ -0,0 +1,26 @@
+import os
+import re
+import pandas as pd
+import numpy as np
+from chatbot.modules.nlu import NLU
+
+rows = 0
+hits = 0
+
+nlu = NLU()
+
+for file_name in os.listdir("data"):
+    df = pd.read_csv(f"data/{file_name}", sep="\t", names=["user", "sentence", "acts"])
+    df = df[df.user == "user"]
+    data = np.array(df)
+
+    for row in data:
+        rows += 1
+        sentence = row[1]
+        cleaned_text = re.sub(r'\([^)]*\)', '', row[2])
+        user_acts = cleaned_text.split("&")
+        nlu_match = nlu.match(sentence)
+        if nlu_match["act"] in user_acts:
+            hits += 1
+
+print(f"Accuracy: {(hits / rows) * 100}")

grammars/inform.jsgf

@@ -16,7 +16,7 @@ public <cena> = <liczba> zł;
 public <liczba> = jeden | dwie | trzy | cztery | pięć | sześć | siedem | osiem | dziewięć | dziesięć;
 
 public <adres> = ulica <ulica> miasto <miasto> kod pocztowy <kod_pocztowy>;
-public <ulica> = ul. <nazwa_ulicy>;
+public <ulica> = ul <nazwa_ulicy>;
 public <miasto> = <nazwa_miasta>;
 public <kod_pocztowy> = <cyfra><cyfra>-<cyfra><cyfra><cyfra>;
 

grammars/welcomemsg.jsgf

@@ -3,4 +3,4 @@
 grammar welcomemsg;
 
 public <welcomemsg> = <welcomemsgs>;
-<welcomemsgs> = Witamy w sklepie internetowym XYZ W czym mogę pomóc | Witaj! W czym mogę Ci dzisiaj pomóc| Witamy w sklepie internetowym XYZ W swojej ofercie mamy artykuły ogrodowe meblowe oraz kosmetyki | Witam tutaj sklep wielobranzowy w czym moge pomoc;
+<welcomemsgs> = Witamy w sklepie internetowym XYZ W czym mogę pomóc | Witaj W czym mogę Ci dzisiaj pomóc | Witamy w sklepie internetowym XYZ W swojej ofercie mamy artykuły ogrodowe meblowe oraz kosmetyki | Witam tutaj sklep wielobranzowy w czym moge pomoc | cześć chciałbym kupić {product};

main.py

@@ -2,6 +2,7 @@ import jsgf
 
 request_grammar = jsgf.parse_grammar_file('./grammars/request.jsgf')
 
+
 def main():
     utterance = 'Czy macie w ofercie balsam do ciała'
     matched = request_grammar.find_matching_rules(utterance)