如何使用Python通过NLP技术提取提醒语句中的任务标题

技术方向通用名称 #

这个功能属于信息提取（Information Extraction, IE） 领域的典型应用，具体落地时会用到「意图识别」+「命名实体识别（NER）」+「槽位填充（Slot Filling）」技术栈，是任务型对话语义解析模块的核心能力之一。

核心实现逻辑 #

• 第一步：意图分类。先对用户输入的文本做分类，判定当前请求是否属于「创建提醒」的意图，过滤掉其他无关请求。
• 第二步：槽位提取。针对「创建提醒」意图预设两类核心槽位：
  • 时间槽：提取触发提醒的时间实体，比如示例中的「明天下午6点」
  • 任务内容槽：提取用户要执行的核心动作内容，也就是所需的任务标题，比如示例中的「浇花」
• 第三步：槽值规整。把提取到的时间转换为标准可存储的时间戳或日期格式，对任务内容做冗余词过滤（比如去掉「帮我」「记得」这类无意义的修饰前缀），输出结构化的提醒数据。

Python环境实现方案 #

完全可以实现，根据场景规模可以选择不同方案：

• 轻量无训练成本方案：用规则+开源工具组合实现

  • 时间提取：用dateparser、cn2an等工具配合简单正则，可以覆盖90%以上的中文日常时间表达
  • 任务提取：先剔除指令前缀（如「提醒我」「帮我设置提醒」）和提取到的时间实体，剩余的核心内容就是任务标题，搭配jieba分词和词性标注过滤掉虚词，结果会更精准

  最简实现参考代码：

  import dateparser
  import re
  
  def extract_reminder(query: str):
      # 匹配并剔除指令前缀
      prefix_pattern = r"^(提醒我|帮我提醒|设置提醒)\s*"
      query_clean = re.sub(prefix_pattern, "", query)
      # 提取时间（演示用简化规则，实际可替换为更完善的时间提取工具）
      time_match = re.search(r"((明天|后天|大后天|下[周一二三四五六日])?\s*(上午|下午|晚上|早上)?\s*\d{1,2}[:点]\d{0,2})", query_clean)
      if time_match:
          time_str = time_match.group()
          remind_time = dateparser.parse(time_str, languages=["zh"])
          # 剔除时间后剩余内容为任务标题
          task_title = query_clean.replace(time_str, "").strip()
          return {
              "task_title": task_title,
              "remind_time": remind_time
          }
      return None
  
  # 功能测试
  print(extract_reminder("提醒我明天下午6点浇花"))
  # 输出示例：{'task_title': '浇花', 'remind_time': datetime.datetime(2024, 6, 15, 18, 0)}
  

• 高精度场景方案：如果场景存在大量自定义表达，可以标注少量专属数据集，微调bert-base-chinese等预训练模型做联合意图分类和槽位填充，准确率可以达到商用级别。

内容的提问来源于stack exchange，提问作者Nahid Khan