AipNlp测试_aipnlp 费用

AipNlp

AipNlp是百度家的自然语言接口，功能呢个挺全的，在系统构建之初已有的功能可以先取之应急，把系统搭建起来，然后再相应的改成自有实现。（当然要在百度平台申请帐号，获取相应的KEY，这里就略去了）

from aip import AipNlp

class baidu_nlp_ts(object):
    """对百度的自然语言api进行使用和测试"""
    def __init__(self):
        APP_ID = ''
        API_KEY = ''
        SECRET_KEY = ''

        self.client = AipNlp(APP_ID, API_KEY, SECRET_KEY)


    def tst_pingtai(self):
        """"""
        text = "百度是一家高科技公司"

        """ 调用词法分析 """
        res = self.client.lexer(text);
        print(res)

        """ 调用依存句法分析 """
        res = self.client.depParser(text);
        print(res)

        word = "张飞"

        """ 调用词向量表示 """
        res = self.client.wordEmbedding(word);
        print(res)

        text = "床前明月光"

        """ 调用DNN语言模型 """
        res = self.client.dnnlm(text);
        print(res)

        word1 = "海洋"
        word2 = "天空"
        word3 = "海"

        """ 调用词义相似度 """
        res = self.client.wordSimEmbedding(word1, word2);
        res1 = self.client.wordSimEmbedding(word1, word3);
        print(res)
        print(res1)

        text1 = "浙富股份"

        text2 = "万事通自考网"

        """ 调用短文本相似度 """
        res = self.client.simnet(text1, text2);

        """ 如果有可选参数 """
        options = {}
        options["model"] = "CNN"

        """ 带参数调用短文本相似度 """
        self.client.simnet(text1, text2, options)

        text = "三星电脑电池不给力"

        """ 调用评论观点抽取 """
        res = self.client.commentTag(text);

        """ 如果有可选参数 """
        options = {}
        options["type"] = 13

        """ 带参数调用评论观点抽取 """
        res = self.client.commentTag(text, options)

        text = "苹果是一家伟大的公司"

        """ 调用情感倾向分析 """
        res = self.client.sentimentClassify(text);

        title = "iphone手机出现“白苹果”原因及解决办法，用苹果手机的可以看下"

        content = "如果下面的方法还是没有解决你的问题建议来我们门店看下成都市锦江区红星路三段99号银石广场24层01室。"

        """ 调用文章标签 """
        self.client.keyword(title, content);

if __name__ == "__main__":
    b = baidu_nlp_ts()
    b.tst_pingtai()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87

个人觉得其中的词相似度和语言模型挺不错的。

备注：此篇之前的工作整理