Nlp2cron自然语言转换cron表达式的工具包用于对话机器人的定时任务等源代码

# nlp2cron --- <div > <img src='https://shields.io/badge/version-2.0.BETA-green.svg'> <img src='https://shields.io/badge/dependencies-tensorflow-blue.svg'> <img src='https://shields.io/badge/author-Chang Zhang-dbab09.svg'> <h4>Nlp2cron是一个将自然语言转换为cron表达式的工具包，可用于对话机器人的定时任务以及平常开发中的cron表达式识别</h4> </div> #### 在线体验 > 注：训练样本局限，本人一行一行瞎编的，无法全部覆盖，目前仅支持时分秒的控制，暂不支持复杂的识别 > 注：目前仅支持时分秒的控制 #### 使用教程 > 注：v1.1版本请移步[v1.1](README-v1.1.md) ##### 1. 引入依赖 ``` <dependency> <groupId>cn.langpy</groupId> <artifactId>nlp2cron</artifactId> <version>2.0.BETA</version> </dependency> ``` ##### 2. 模型配置 [下载](https://gitee.com/huoyo/nlp2cron/releases)对应的发行版本的模型，并解压到任意目录，然后在代码种配置模型路径，如： ```java CrondModel.init("d:/model"); ``` ##### 3. 使用 假设解压后的目录为 ``` ├─D │ └─model │ └─variables │ └─saved_model.pb ``` ```java public static void main(String[] args) { /*模型初始化，初始化需要时间，可提前进行初始化*/ CrondModel.init("d:/model"); String test1 = "明早八点"; String test2 = "每天晚上7点开始"; String test3 = "每15分钟一次"; String test4 = "每2小时一次"; String test5 = "每天晚上7点开始"; String test6 = "每天早上7点开始"; String test7 = "上午一点执行"; String test8 = "明天早上8点"; String cron1 = CrondUtil.toCron(test1); String cron2 = CrondUtil.toCron(test2); String cron3 = CrondUtil.toCron(test3); String cron4 = CrondUtil.toCron(test4); String cron5 = CrondUtil.toCron(test5); String cron6 = CrondUtil.toCron(test6); String cron7 = CrondUtil.toCron(test7); String cron8 = CrondUtil.toDate(test8); String cron9 = CrondUtil.toDateTime(test8); String cron10 = CrondUtil.toTime(test8); /*使用完关闭 如果在web中需要重复使用则不需要关闭*/ CrondModel.close(); //明早八点 转为cron表达式：0 0 8 3 1 ? 2021 //每天晚上7点开始 转为cron表达式：0 0 19 * * ? * //每15分钟一次 转为cron表达式：0 0/15 * * * ? * //每2小时一次 转为cron表达式：0 0 0/2 * * ? * //每天晚上7点开始 转为cron表达式：0 0 19 * * ? * //每天早上7点开始 转为cron表达式：0 0 7 * * ? * //上午一点执行 转为cron表达式：0 0 1 * * ? * //明天早上八点 转为date表达式：2021-01-03 //明天早上八点 转为datetime表达式：2021-01-03 08:00:00 //明天早上八点 转为time表达式：08:00:00 } ``` #### 原理 实现原理为一个简易版本的seq2seq模型，对应的模型架构图如下： > 1.直接使用全局向量编码进行预测 > > 2.解码阶段假设状态h中已经包含了输出信息，所以不再使用上一个词的输出作为下一个词预测数输入（还有一个原因是我偷懒，然后我发现这样效果也不错，hia hia hia！） > > 3.为了简化模型，加快收敛，解码和编码统一使用GRU  #### 版本说明 > V1.0：初始版本 > V2.0.BETA：基于tf2.0版本，优化模型大小与性能