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

商品評價解析服務-本地生活領域

商品評價解析服務(本地生活領域)。

商品評價解析服務-本地生活領域使用示例。如當前支持的領域、行業不滿足您的需求,請加釘釘自學習平臺答疑二群(釘釘群號:44619071),進一步咨詢合作。

說明

本服務由NLP自學習平臺提供,直接調用API即可使用。

服務開通與資源包購買

使用前,請確認是否已經開通服務,開通后可購買資源包。

服務調用與調試

模型調用文檔參考:模型調用

SDK示例文檔參考:SDK示例

調試

您可以在OpenAPI開發者門戶中直接運行該接口,免去您計算簽名的困擾。運行成功后,OpenAPI開發者門戶可以自動生成SDK代碼示例。

通過環境變量配置訪問憑證(AKSK)

  1. 說明:

    1. 阿里云賬號AccessKey擁有所有API的訪問權限,風險很高。強烈建議您創建并使用RAM用戶進行API訪問或日常運維,請登錄RAM控制臺創建RAM用戶。

    2. 強烈建議不要把AccessKey和AccessKeySecret保存到代碼里,會存在密鑰泄漏風險,在此提供通過配置環境變量的方式來保存和訪問aksk

  2. Linux和macOS系統配置方法

    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:獲取賬號的AccessKey

  3. Windows系統配置方法

    1. 新建環境變量文件,添加環境變量NLP_AK_ENVNLP_SK_ENV,并寫入已準備好的AccessKey ID和AccessKey Secret。

    2. 重啟Windows系統。

調用商品評價解析服務-本地生活領域,ServiceName需要傳入:ABSA-LOCAL-LIFE。

Java代碼示例

/**
 * 阿里云賬號AccessKey擁有所有API的訪問權限,風險很高。強烈建議您創建并使用RAM用戶進行API訪問或日常運維,請登錄RAM控制臺創建RAM用戶。
 * 此處以把AccessKey和AccessKeySecret保存在環境變量為例說明。您也可以根據業務需要,保存到配置文件里。
 * 強烈建議不要把AccessKey和AccessKeySecret保存到代碼里,會存在密鑰泄漏風險
 */
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","服務態度不錯 ,技術也還行 ,新開的店子,支持一下,有機會下次還來!");
input.put("domain","barber");
input.put("entity",true);
Map<String, Object> map = new HashMap<>();
map.put("input", input);

RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
request.setServiceName("ABSA-LOCAL-LIFE");
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

/**

* 阿里云賬號AccessKey擁有所有API的訪問權限,風險很高。強烈建議您創建并使用RAM用戶進行API訪問或日常運維,請登錄RAM控制臺創建RAM用戶。

* 此處以把AccessKey和AccessKeySecret保存在環境變量為例說明。您也可以根據業務需要,保存到配置文件里。

* 強烈建議不要把AccessKey和AccessKeySecret保存到代碼里,會存在密鑰泄漏風險

 */# -*- 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AccessKey擁有所有API的訪問權限,風險很高。強烈建議您創建并使用RAM用戶進行API訪問或日常運維,請登錄RAM控制臺創建RAM用戶。
 * 此處以把AccessKey和AccessKeySecret保存在環境變量為例說明。您也可以根據業務需要,保存到配置文件里。
 * 強烈建議不要把AccessKey和AccessKeySecret保存到代碼里,會存在密鑰泄漏風險
 */
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 = '服務態度不錯 ,技術也還行 ,新開的店子,支持一下,有機會下次還來!'
domain = 'barber'
input_params = {
    "input": {
        "content": content,
        "domain": domain,
        "entity": True
    }
}

# Initialize a request and set parameters
request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
request.set_ServiceName('ABSA-LOCAL-LIFE')
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內容示例

PredictContent參數為JSON字符串傳入,JSON字符串包含內容參考下面舉例。

{
  "input": {
    "content": "服務態度不錯 ,技術也還行 ,新開的店子,支持一下,有機會下次還來! ",
    "domain": "barber",
    "entity": true
  }
}

入參說明

參數

說明

content

需要預測的文本內容,最長支持500字。

domain

支持商品類目。參考下一章節的類目支持表格。

entity

值為true時返回結果包含屬性情感詞抽取結果,否則不包含

商品類目支持表

類目

類目code

一級屬性

二級屬性

美容美甲美發

barber

產品

品質、效果,其他

價格

性價比、折扣力度、其他

位置

交通、尋找、距離商圈遠近、其他

品牌

技術

洗發、燙染、理發、美容、美甲、其他

整體

再次消費的意愿、向他人推薦意愿、本地消費感受

服務

服務人員態度、時效、停車、意外傷害、排隊等待時間、推銷、提供小吃、支付相關、營業時間、額外收費、其他

環境

衛生情況、嘈雜情況、店內空間、其他

贈送

其他

餐飲美食

restaurant

價格

性價比、折扣力度、其他

位置

交通、尋找、距離商圈遠近、其他

品牌

整體

再次消費的意愿、向他人推薦意愿、本次消費感受

服務

停車、排隊等候時間、支付相關、服務人員態度、點菜/上菜速度、營業時間、其他

環境

衛生情況、嘈雜情況、就餐空間、裝修情況、設施情況、其他

菜品

份量、口感、品質、外觀、異物、新鮮度、氣味、生熟度、種類、其他

贈送

其他

PredictResult內容示例

  • PredictResult是JSON字符串,需要反序列化之后進行解析。

  • 算法返回結果中,一級屬性和二級屬性合并在一起返回,請參考返回結果示例。

{
  "code": 1000,
  "data": {
    "cost": "42.752ms",
    "textProb": 0.9987,
    "aspectItem": [
      {
        "clause": "支持一下",
        "clauseIndex": "21,25",
        "aspectPolarity": "正",
        "terms": [
          {
            "aspectTerm": "",
            "opinionTerm": "有機會下次還來",
            "normedAspectTerm": "",
            "normedOpinionTerm": "有機會下次還來"
          },
          {
            "aspectTerm": "",
            "opinionTerm": "支持一下",
            "normedAspectTerm": "",
            "normedOpinionTerm": "支持一下"
          }
        ],
        "positiveProb": 0.999,
        "aspectCategory": "整體^再次消費的意愿",
        "negativeProb": 0.001
      },
      {
        "clause": "服務態度不錯 ",
        "clauseIndex": "0,7",
        "aspectPolarity": "正",
        "terms": [
          {
            "aspectTerm": "服務態度",
            "opinionTerm": "不錯",
            "normedAspectTerm": "服務態度",
            "normedOpinionTerm": "不錯"
          }
        ],
        "positiveProb": 0.998,
        "aspectCategory": "服務^服務人員態度",
        "negativeProb": 0.001
      },
      {
        "clause": "技術也還行 ",
        "clauseIndex": "8,14",
        "aspectPolarity": "正",
        "terms": [
          {
            "aspectTerm": "技術",
            "opinionTerm": "還行",
            "normedAspectTerm": "技術",
            "normedOpinionTerm": "還行"
          }
        ],
        "positiveProb": 0.999,
        "aspectCategory": "技術^其他",
        "negativeProb": 0.001
      }
    ],
    "textPolarity": "正"
  },
  "message": "SUCCESS",
  "tracerId": "1617087370.344171"
}

出參說明

字段

說明

textPolarity

整條文本情感極性:正、中、負

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對應情感極性的概率越高)

aspectItem

屬性情感列表,每個元素是一個JSON字段

aspectCategory

屬性類別

aspectPolarity

屬性片段極性(正、中、負)

clause

情感子句

clauseIndex

情感子句所在的起始位置,終結位置

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

情感負向置信度(取值范圍[0,1],越大代表情感負向概率越高)

terms

抽取的屬性情感詞列表,每個元素是一個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