預訓練模型是平臺提供的預置模型,可直接通過API接口進行調用。
2023年3月24日,NLP自學習平臺-預訓練模型按照行業類型進行分類升級,全面遷移至NLP自然語言處理,模型調用方式和接口由NLP自學習平臺提供,API接口參考文檔如下。
服務調用
模型調用文檔參考:模型調用
SDK示例文檔參考:SDK示例
API接口列表
電商行業能力
模型名稱 | 模型說明 | 默認QPS | 最大文本長度 |
支持55種電商領域的行業和192個評價屬性,提供多維度商品評價文本分析。 | 10 | 500個字符 | |
支持美容美發美甲、餐飲美食2種本地生活領域的行業和11個評價屬性,提供多維度商品評價文本分析。 | 10 | 500個字符 | |
支持汽車領域68個評價屬性,提供多維度商品評價文本分析。 | 10 | 500個字符 | |
適用于分析用戶的購買動機、使用場景、功能需求、使用疑問等購買決策相關的信息,可以幫助改進產品、改善用戶體驗、細分人群畫像、針對性營銷投放等。 | 10 | 500個字符 | |
適用于分析用戶的購買動機、使用場景、功能需求、使用疑問等購買決策相關的信息,可以幫助改進產品、改善用戶體驗、細分人群畫像、針對性營銷投放等。 | 10 | 500個字符 | |
支持電商等行業的客服在線聊天場景,解析消費者說話內容,得到消費者意圖、情感、情緒等結果。 | 10 | / | |
適用于客服在線聊天場景,從對話中抽取出客服話術和用戶問題,用于熱點問題分析或構建客服話術庫。 | 10 | / | |
適用于:給定商品和一些賣點詞,生成和賣點相關的商品文案描述。 | 10 | / |
通用行業能力
模型名稱 | 模型說明 | 默認QPS | 最大文本長度 |
支持對招中標公告進行分類,目前支持“招標”、“中標”兩種類型。 | 10 | / | |
支持招中標信息里關于項目名稱、項目編號、招標人名稱、中標金額等13個字段的抽取。 | 10 | / | |
支持招標、中標單獨解析,對招標信息抽取22個字段。 | 10 | / | |
支持招標、中標單獨解析,對中標信息抽取29個字段。 | 10 | / | |
支持合同中的常見要素進行抽取,共支持26個通用要素字段。 | 10 | / | |
適用于從文檔中抽取符合key : value模式的信息,支持簡歷、合同、報告等文檔。 | 10 | / | |
適用于電話銷售外呼場景,針對對話應用按照行業和場景進行分類,可應用于語音質檢。支持30+個行業和170+個場景。 | 10 | / | |
支持電銷場景對話客服質檢、直播場景主播監管等應用場景。 | 10 | / | |
適用于電銷人工外呼/智能外呼場景,識別用戶的意圖(反應)。 | 10 | / | |
適用于電話銷售外呼場景,識別有詐騙風險的對話,可應用于語音質檢。 | 10 | / | |
支持姓名、聯系方式、學位、公司、職位等10個簡歷字段抽取,適用于英文簡歷。 | 10 | / | |
支持姓名、性別、年齡、學歷、工作單位等33個簡歷字段抽取,適用于中文簡歷。 | 10 | / | |
支持對英文新聞里事件的抽取,包含33個事件類別。 | 10 | / | |
支持電商場景的商品標題,預測所屬的類目,類目體系和淘寶等電商平臺的一致。 | 10 | / | |
支持中文小說涉黃/色情內容識別,適用于小說內容監管場景。輸出涉黃的置信度和相關文本內容。 | 10 | 600個字符 | |
適用于針對電商場景的社交媒體(短文本),預測俄語文本所表達的情感,分為正,中,負,三種情感。 | 10 | / | |
適用于針對電商場景的社交媒體(短文本),預測英語文本所表達的情感,分為正,中,負,三種情感。 | 10 | / | |
適用于針對電商場景的社交媒體(短文本),預測西班牙語文本所表達的情感,分為正,中,負,三種情感。 | 10 | / | |
支持電銷、在線接待等應用場景,識別客戶或客服的情緒,支持8種常規情緒和3種業務場景常用情緒。 | 10 | 1000個字符 | |
支持對單個或多個新聞文本的分類。 | 10 | / | |
適用于直播場景,通過ASR語音轉文字,識別由于多人同時說話導致的文字可讀性不佳的問題。 | 10 | 600個字符 | |
支持10個案由的文書,解析得到38個字段。 | 10 | / | |
適用于針對文檔抽取關鍵詞或者摘要。 | 10 | 500個字符 | |
針對實際場景中常見的文本生成需求所設計,適用于生成文本摘要或者生成文章的標題。: | 10 | 500個字符 | |
適用于:給定一些天氣信息字段,生成車載開機歡迎語生成介紹。 | 10 | 500個字符 | |
支持中文文本輸入,輸出文本對應的向量表示。 | 10 | / | |
適用于識別社會媒體中反語和諷刺的修辭手法。 | 10 | / | |
通過分析幽默的內容,預測不同幽默的類型(諧音、協議、反轉)。 | 10 | / |