日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

商品評(píng)價(jià)解析服務(wù)-汽車領(lǐng)域

更新時(shí)間:

商品評(píng)價(jià)解析服務(wù)(汽車領(lǐng)域)。

商品評(píng)價(jià)解析服務(wù)-汽車領(lǐng)域使用示例。如當(dāng)前支持的領(lǐng)域、行業(yè)不滿足您的需求,請(qǐng)加釘釘自學(xué)習(xí)平臺(tái)答疑二群(釘釘群號(hào):44619071),進(jìn)一步咨詢合作。

說明

本服務(wù)由NLP自學(xué)習(xí)平臺(tái)提供,直接調(diào)用API即可使用。

服務(wù)開通與資源包購買

使用前,請(qǐng)確認(rèn)是否已經(jīng)開通服務(wù),開通后可購買資源包。

服務(wù)調(diào)用與調(diào)試

模型調(diào)用文檔參考:模型調(diào)用

SDK示例文檔參考:SDK示例

調(diào)試

您可以在OpenAPI開發(fā)者門戶中直接運(yùn)行該接口,免去您計(jì)算簽名的困擾。運(yùn)行成功后,OpenAPI開發(fā)者門戶可以自動(dòng)生成SDK代碼示例。

通過環(huán)境變量配置訪問憑證(AKSK)

  1. 說明:

    1. 阿里云賬號(hào)AccessKey擁有所有API的訪問權(quán)限,風(fēng)險(xiǎn)很高。強(qiáng)烈建議您創(chuàng)建并使用RAM用戶進(jìn)行API訪問或日常運(yùn)維,請(qǐng)登錄RAM控制臺(tái)創(chuàng)建RAM用戶。

    2. 強(qiáng)烈建議不要把AccessKey和AccessKeySecret保存到代碼里,會(huì)存在密鑰泄漏風(fēng)險(xiǎn),在此提供通過配置環(huán)境變量的方式來保存和訪問aksk

  2. Linux和macOS系統(tǒng)配置方法

    export NLP_AK_ENV=<access_key_id>
    export NLP_SK_ENV=<access_key_secret>

    其中<access_key_id>替換為已準(zhǔn)備好的AccessKey ID,<access_key_secret>替換為AccessKey Secret,AccessKey ID和AccessKey Secret的獲取方式見步驟二:獲取賬號(hào)的AccessKey

  3. Windows系統(tǒng)配置方法

    1. 新建環(huán)境變量文件,添加環(huán)境變量NLP_AK_ENVNLP_SK_ENV,并寫入已準(zhǔn)備好的AccessKey ID和AccessKey Secret。

    2. 重啟Windows系統(tǒng)。

說明

調(diào)用商品評(píng)價(jià)解析服務(wù)-本地生活領(lǐng)域,ServiceName需要傳入:aoe-automl-app-car。

Java代碼示例

/**
 * 阿里云賬號(hào)AccessKey擁有所有API的訪問權(quán)限,風(fēng)險(xiǎn)很高。強(qiáng)烈建議您創(chuàng)建并使用RAM用戶進(jìn)行API訪問或日常運(yùn)維,請(qǐng)登錄RAM控制臺(tái)創(chuàng)建RAM用戶。
 * 此處以把AccessKey和AccessKeySecret保存在環(huán)境變量為例說明。您也可以根據(jù)業(yè)務(wù)需要,保存到配置文件里。
 * 強(qiáng)烈建議不要把AccessKey和AccessKeySecret保存到代碼里,會(huì)存在密鑰泄漏風(fēng)險(xiǎn)
 */
String accessKeyId = System.getenv("NLP_AK_ENV");
String accessKeySecret = System.getenv("NLP_SK_ENV");
DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou",accessKeyId,accessKeySecret);
IAcsClient client = new DefaultAcsClient(defaultProfile);

Map<String, Object> input = new HashMap();
input.put("content","頻繁上坡起步有含糊味,不知力活片是不是質(zhì)量有問題。倒檔要停穩(wěn)才能掛。");
input.put("domain","car");
input.put("entity",true);
Map<String, Object> map = new HashMap<>();
map.put("input", input);

RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
request.setServiceName("aoe-automl-app-car");
request.setPredictContent(JSON.toJSONString(map));
RunPreTrainServiceResponse response = client.getAcsResponse(request);
System.out.println(response.getPredictResult());

Python代碼示例

# 安裝依賴
pip install aliyun-python-sdk-core
pip install aliyun-python-sdk-nlp-automl
# -*- coding: utf8 -*-
import json
import os

from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdknlp_automl.request.v20191111 import RunPreTrainServiceRequest

/**
 * 阿里云賬號(hào)AccessKey擁有所有API的訪問權(quán)限,風(fēng)險(xiǎn)很高。強(qiáng)烈建議您創(chuàng)建并使用RAM用戶進(jìn)行API訪問或日常運(yùn)維,請(qǐng)登錄RAM控制臺(tái)創(chuàng)建RAM用戶。
 * 此處以把AccessKey和AccessKeySecret保存在環(huán)境變量為例說明。您也可以根據(jù)業(yè)務(wù)需要,保存到配置文件里。
 * 強(qiáng)烈建議不要把AccessKey和AccessKeySecret保存到代碼里,會(huì)存在密鑰泄漏風(fēng)險(xiǎn)
 */
access_key_id = os.environ['NLP_AK_ENV']
access_key_secret = os.environ['NLP_SK_ENV']

# Initialize AcsClient instance
client = AcsClient(
  access_key_id,
  access_key_secret,
  "cn-hangzhou"
);

content = '頻繁上坡起步有含糊味,不知力活片是不是質(zhì)量有問題。倒檔要停穩(wěn)才能掛。'
domain = 'car'
input_params = {
    "input": {
        "content": content,
        "domain": domain,
        "entity": True
    }
}

# Initialize a request and set parameters
request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
request.set_ServiceName('aoe-automl-app-car')
request.set_PredictContent(json.dumps(input_params))

# Print response
response = client.do_action_with_exception(request)
resp_obj = json.loads(response)
predict_result = json.loads(resp_obj['PredictResult'])
print(json.dumps(predict_result['data']))

PredictContent內(nèi)容示例

PredictContent參數(shù)為JSON字符串傳入,JSON字符串包含內(nèi)容參考下面舉例。

{
  "input": {
    "content": "頻繁上坡起步有含糊味,不知力活片是不是質(zhì)量有問題。倒檔要停穩(wěn)才能掛。",
    "domain": "car",
    "entity": true
  }
}

入?yún)⒄f明

參數(shù)

說明

content

需要預(yù)測的文本內(nèi)容,最長支持500字。

domain

支持商品類目。參考下一章節(jié)的類目支持表格。

entity

值為true時(shí)返回結(jié)果包含屬性情感詞抽取結(jié)果,否則不包含

支持屬性表

整體

贈(zèng)品

包裝

正品

物流

品牌

顏色

做工

手感

功能

重量

聲音

質(zhì)量

適合

導(dǎo)航

配件

油耗

內(nèi)飾

燈光

其他

耐用性

實(shí)用性

安全性

穩(wěn)定性

便捷性

密封性

操控性

牢固度

軟硬度

色牢度

舒適度

精確度

使用效果

隔音效果

顯示效果

音響效果

減震效果

系統(tǒng)性能

傳動(dòng)性能

轉(zhuǎn)彎性能

面料/材質(zhì)

電池/續(xù)航時(shí)間

個(gè)頭/大小

異味/氣味

容量/空間

掛擋/換擋

車窗/后視鏡

動(dòng)力/加速性能

空調(diào)/冰箱

頓挫感

性價(jià)比

多媒體

儀表盤

外觀設(shè)計(jì)

賣家服務(wù)

駕駛視野

描述相符

制動(dòng)性能

安全配置

智能輔助

雷達(dá)功能

4s店服務(wù)

維護(hù)保養(yǎng)

車輛配置

防盜系統(tǒng)

車聯(lián)功能

智能影像

控制按鍵

PredictResult內(nèi)容示例

說明 PredictResult是JSON字符串,需要反序列化之后進(jìn)行解析,具體結(jié)構(gòu)如下示例。

{
  "code": 1000,
  "data": {
    "cost": "39.912ms",
    "textProb": 0.9975,
    "aspectItem": [
      {
        "clause": "頻繁上坡起步有含糊味",
        "clauseIndex": "0,10",
        "aspectPolarity": "負(fù)",
        "terms": [
          {
            "aspectTerm": "頻繁上坡起步",
            "opinionTerm": "有含糊味",
            "normedAspectTerm": "頻繁上坡起步",
            "normedOpinionTerm": "有含糊味"
          }
        ],
        "positiveProb": 0.003,
        "aspectCategory": "異味/氣味",
        "negativeProb": 0.996
      },
      {
        "clause": "倒檔要停穩(wěn)才能掛",
        "clauseIndex": "25,33",
        "aspectPolarity": "負(fù)",
        "terms": [
          {
            "aspectTerm": "倒檔",
            "opinionTerm": "要停穩(wěn)才能掛",
            "normedAspectTerm": "倒檔",
            "normedOpinionTerm": "要停穩(wěn)才能掛"
          }
        ],
        "positiveProb": 0.001,
        "aspectCategory": "掛擋/換擋",
        "negativeProb": 0.999
      }
    ],
    "textPolarity": "負(fù)"
  },
  "message": "SUCCESS",
  "tracerId": "1639036027.4482515"
}

出參說明

字段

說明

textPolarity

整條文本情感極性:正、中、負(fù)

textProb

整條文本情感極性置信度(取值范圍[0,1],越大代表整條文本為textPolarity對(duì)應(yīng)情感極性的概率越高)

aspectItem

屬性情感列表,每個(gè)元素是一個(gè)JSON字段

aspectCategory

屬性類別

aspectPolarity

屬性片段極性(正、中、負(fù))

clause

情感子句

clauseIndex

情感子句所在的起始位置,終結(jié)位置

positiveProb

情感正向置信度(取值范圍[0,1],越大代表情感正向概率越高)

negativeProb

情感負(fù)向置信度(取值范圍[0,1],越大代表情感負(fù)向概率越高)

terms

抽取的屬性情感詞列表,每個(gè)元素是一個(gè)JSON字段

aspectTerm

屬性詞

opinionTerm

情感詞

normedAspectTerm

歸一化屬性詞

normedOpinionTerm

歸一化情感詞