更新时间:2022-05-06 GMT+08:00
分享

依存句法分析

功能介绍

识别句子中词汇与词汇之间的相互依存关系。

本API免费调用,调用限制为2次/秒。

调试

您可以在API Explorer中调试该接口。

前提条件

在使用本API之前,需要您完成服务申请和认证鉴权,具体操作流程请参见申请服务认证鉴权章节。

用户首次使用需要先申请开通。服务只需要开通一次即可,后面使用时无需再次申请。如未开通服务,调用服务时会提示ModelArts.4204报错,请在调用服务前先进入控制台开通服务,并注意开通服务区域与调用服务的区域保持一致。

URI

  • URI格式
    POST /v1/{project_id}/nlp-fundamental/dependency-parser
  • 参数说明
    表1 URI参数说明

    参数名

    必选

    说明

    project_id

    项目编号。获取方法,请参见获取项目ID

请求消息

请求参数如表 请求参数所示。

表2 请求参数

参数名

参数类型

必选

说明

text

String

待分析文本,长度为1~32,文本编码为UTF-8。

lang

String

支持的文本语言类型,目前只支持中文(zh),默认为中文。

响应消息

响应参数如表 响应参数所示。

表3 响应参数

参数名

参数类型

说明

words

Array of words objects

依存句法分析结果。

请参见表 words数据结构说明

error_code

String

调用失败时的错误码,具体参见6.2 错误码

调用成功时无此字段。

error_msg

String

调用失败时的错误信息。

调用成功时无此字段。

表4 words数据结构说明

参数名

参数类型

说明

id

Integer

词汇id,从1开始计数。

word

String

词汇内容。

pos

String

词性,请参见表6

head_word_id

String

头结点id。如果是根节点,默认为0。

dependency_label

String

词与头节点的依存关系,使用汉语开放依存句法树库(CODT)依存关系标签集合。

详细说明请参见表 (CODT)关系类型说明

表5 (CODT)关系类型说明

关系标签

说明

例句

标注结果

root

sentence root(根节点)

我 爱 妈妈

( Root –>爱),其中Root为虚拟词

sasubj-obj

same subject and object(同主语同宾语)

我 一直 在 研究 和 思考 这个 问题。

(研究–>思考)

sasubj

same subject (同主语)

我 走进 操场 打 篮球。

(走进–>打)

dfsubj

different subject(不同主语)

这书太贵了,我打算买另一本

(贵–>打算)

subj

subject (主语)

我 爱 妈妈

(我<–爱)

subj-in

subject inside a subject-predicate predicate

(主谓谓语中的内部主语)

他 确实 头 疼

(头<–疼)

obj

object(宾语)

我 爱 妈妈

(爱–>妈妈)

pred

predicate (谓语)

命令 他 扫地

(他–>扫地)

att

attribute modifier(定语)

国家 主席

(国家<–主席)

adv

adverbial modifier(状语)

非常 喜欢

(非常<–喜欢)

cmp

complement modifier(补语)

洗 干净 手

(洗–>干净)

coo

coordination construction(并列结构)

鲜花 和 掌声

(鲜花–>掌声)

pobj

preposition object(介宾)

在 家 看书

(在–>家)

iobj

indirect-object(间宾)

给 他 书

(给–>他)

de

de-construction(“的”字结构)

这 是 他 的

(他<–的)

adjct

adjunct(附加成分)

我 走 了

(走–>了)

app

appellation(称呼)

老师 , 你 好

(老师<–好)

exp

explanation(进一步解释)

王刚(红星小学校长)

(王刚–>校长)

punc

punctuation(标点)

我 爱 妈妈 。

(爱–>。)

frag

fragment(片段)

你, 我, 中国。

(你–>我–>中国)

repet

repetition(重复)

你 吃 , 吃 饭 了 吗 ?

(吃–>吃)

示例

调用API前,请先构造请求,通过获取用户Token认证鉴权。

  • 请求示例
    POST https://{endpoint}/v1/{project_id}/nlp-fundamental/dependency-parser
    
    Request Header: 
        Content-Type: application/json 
        X-Auth-Token: MIIFbwYJKoZIhvcNAQcCoIIFYDCCBVwCAQExDTALBglghkgBZQMEAgEwggNBgkqhkiG9... 
    Request Body:     { 
            "text":"张三买电脑", 
            "lang":"zh" 
        }
  • Python3语言请求代码示例
    # -*- coding: utf-8 -*-
    # 此demo仅供测试使用,建议使用sdk。需提前安装requests,执行pip install requests
    import requests
    import json
    
    def nlp_demo():
        url = 'https://{endpoint}/v1/{project_id}/nlp-fundamental/dependency-parser'  # endpoint和project_id需替换
        token = '用户对应region的token'
        header = {
            'Content-Type': 'application/json',
            'X-Auth-Token': token
        }
        body = {
            'text': '张三买电脑',
            'lang': 'zh'
        }
        resp = requests.post(url, data=json.dumps(body), headers=header)
        print(resp.text)
    
    if __name__ == '__main__':
        nlp_demo()
  • Java语言请求代码示例
    import java.io.BufferedReader;
    import java.io.InputStream;
    import java.io.InputStreamReader;
    import java.io.OutputStreamWriter;
    import java.net.HttpURLConnection;
    import java.net.URL;
    
    /**
     * 此demo仅供测试使用,建议使用sdk
     */
    public class NLPDemo {
        public void nlpDemo() {
            try {
                //endpoint和projectId需要替换成实际信息。
                URL url = new URL("https://{endpoint}/v1/{project_id}/nlp-fundamental/dependency-parser");
                String token = "对应region的token";
                HttpURLConnection connection = (HttpURLConnection) url.openConnection();
                connection.setRequestMethod("POST");
                connection.setDoInput(true);
                connection.setDoOutput(true);
                connection.addRequestProperty("Content-Type", "application/json");
                connection.addRequestProperty("X-Auth-Token", token);
    
                //输入参数
                String text = "订单记录怎么删除";
                String body = "{\"text\":\"" + text + "\",\"lang\":\"zh\"}";
    
                OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8");
                osw.append(body);
                osw.flush();
                InputStream is = connection.getInputStream();
                BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8"));
                while (br.ready()) {
                    System.out.println(br.readLine());
                }
            } catch (Exception e) {
                e.printStackTrace();
            }
        }
    
        public static void main(String[] args) {
            NLPDemo nlpDemo = new NLPDemo();
            nlpDemo.nlpDemo();
        }
    }
  • 响应示例
    {
        "words": [
            {
                "id": 1,
                "word": "张三",
                "pos": "NR",
                "head_word_id": 2,
                "dependency_label": "subj"
            },
            {
                "id": 2,
                "word": "买",
                "pos": "VV",
                "head_word_id": 0,
                "dependency_label": "root"
            },
            {
                "id": 3,
                "word": "电脑",
                "pos": "NN",
                "head_word_id": 2,
                "dependency_label": "obj"
            }
        ]
    }
    • 失败响应示例
      {
          "error_code": "NLP.0301",
          "error_message": "Missing parameters:text"
      }

状态码

状态码请参见状态码

错误码

错误码请参见错误码

分享:

    相关文档

    相关产品

close