文章相似度 概述 支持cosine、levenshtein、jaccard和最长公共子序列四种方法计算文章的相似度。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 输出 DataRame

查看更多 →

文本相似度（高级版） 功能介绍 对文本语义相似度计算。 具体Endpoint请参见终端节点。 本API免费调用，调用限制为2次/秒。 文本相似度基础版和高级版基于不同算法实现，对相同文本，基础版和高级版的结果有所差别。根据测试数据，高级版效果一般优于基础版。 调试 您可以在API

查看更多 →

字符串相似度 概述 支持cosine、levenshtein、jaccard、最长公共子序列、minhash_sim、ssk、simhash_hamming_sim七种方法计算字符串的相似度。 输入 参数 子参数 参数说明 inputs dataDF inputs为字典类型，da

查看更多 →

文本相似度（基础版） 功能介绍 对文本进行语义相似度计算。 具体Endpoint请参见终端节点。 调用华为云NLP服务会产生费用，本API支持使用基础套餐包，购买时请在 自然语言处理 价格计算器中查看基础套餐包和领域套餐包支持的API范围。 也可使用文本相似度（高级版）接口，详情请见

查看更多 →

字符串相似度topN 概述 支持cosine、levenshtein、jaccard、最长公共子序列、minhash_sim、ssk、simhash_hamming_sim七种方法计算 文章的相似度 输入 参数 子参数 参数说明 inputs dataDF inputs为字典类型

查看更多 →

文本 TF-IDF 文本词向量 词频统计 文章相似度 字符串相似度 字符串相似度topN NGram Count PMI 关键词抽取 原子分词 文本TF-IDF 三元组转kv 文本分类 LDA 句子拆分 文本摘要 停用词过滤 语义相似距离 父主题： 模型工程

查看更多 →

进行词性的标注。 依存句法分析 分析句子中词汇和词汇之间的相互依存关系，得到句子的句法结构。例如中文中使用依存句法分析，将一句话分析出主谓宾结构，将宾语定义为谓语动词的支配对象等。 文本相似度 对文本对进行相似度计算，详细内容请参见文本相似度接口参考中的示例。 句向量 将语句映射

查看更多 →

紧密中心度算法（closeness） 功能介绍 根据输入参数，执行紧密中心度算法。 紧密中心度算法（Closeness Centrality）计算一个节点到所有其他可达节点的最短距离的倒数，进行累积后归一化的值。 URI POST /ges/v1.0/{project_id}/h

查看更多 →

中介中心度算法（betweenness） 功能介绍 根据输入参数，执行中介中心度算法。 中介中心度算法（Betweenness Centrality）以经过某个节点的最短路径数目来刻画节点重要性的指标。 URI POST /ges/v1.0/{project_id}/hyg/{g

查看更多 →

句子拆分 概述 对文本数据按照标点符号进行句子拆分。 该算法按照既定标点符号等进行句子拆分，并将标点符号保留在句末（给定标点符号不单独成行），一篇文章拆分成多行输出。 输入 参数 子参数 参数说明 inputs input_table 输入表表名 输入参数说明 参数名称 参数描述

查看更多 →

句子”，打开句子管理界面，界面展示已配置的数据。 单击，添加句子分类。 配置句子分类名称，单击“确定”，新增句子分类。 选中配置的句子分类，单击“创建句子”，进入创建句子页面。 配置句子内容。 输入“句子名称”，选择“句子分类”，新增的句子支持修改句子所属分类。 选择“语义和关键字”，单击“新增”，进入新增标签页面。

查看更多 →

删除句子 场景描述 删除句子的接口。 接口方法 POST 接口URI https:// 域名 /apiaccess/C CS QM/rest/ccisqm/v1/sentencemanage/deleteSentence，例如域名是service.besclouds.com 请求说明 表1

查看更多 →

说明 1.1 category_id string True 句子分类的唯一标识 1.2 sentence_name string True 句子名称 1.3 tagDataList array[object] True 句子使用到的语义与关键词 1.3.1 tag_type string

查看更多 →

中介中心度算法（betweenness）(2.2.4) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 directed 否 是否考虑边的方向 Boolean true或者false true weight 否 边上权重 String 空或字符串

查看更多 →

查询句子 场景描述 查询句子的接口，入参包含句子的唯一标识为查询句子的详情，否则查询句子列表。 接口方法 POST 接口URI https://域名/apiaccess/CCSQM/rest/ccisqm/v1/sentencemanage/querySentence，例如域名是service

查看更多 →

创建句子分类 场景描述 创建句子分类的接口。 接口方法 POST 接口URI https://域名/apiaccess/CCSQM/rest/ccisqm/v1/sentencemanage/createSentenceCategory，例如域名是service.besclouds

查看更多 →

“文本词向量”节点用于将词和句/段落映射到一个向量，可用来表示词与词之间或句与句之间的关系。该算法基于Skip-gram模型利用词语来预测它的上下文，并表示为向量形式，可应用于社交网络中的推荐系统、文本相似度等场景。 输入 参数 子参数 参数说明 inputs dataframe input

查看更多 →

语义相似距离 概述 计算距离某个向量最近的k个向量集合。这些向量通常是通过算法生产的包含语义的向量（例如word2vec生产的词向量，或者doc2vec生产的文章向量）。可以用于寻找和一个单词或者一篇文章相似的单词或者文章。 输入 参数 子参数 参数说明 inputs dataframe

查看更多 →

紧密中心度算法（Closeness Centrality） 概述 紧密中心度算法（Closeness Centrality）计算一个节点到所有其他可达节点的最短距离的倒数，进行累积后归一化的值。紧密中心度可以用来衡量信息从该节点传输到其他节点的时间长短。节点的“Closeness

查看更多 →

中介中心度算法（Betweenness Centrality） 概述 中介中心度算法（Betweenness Centrality）以经过某个节点的最短路径数目来刻画节点重要性的指标。 适用场景 可用作社交、风控等网络中“中间人”发掘，交通、传输等网络中关键节点识别；适用于社交、金融风控、交通路网、城市规划等领域

查看更多 →

string True 句子分类的唯一标识 1.2 sentence_name string True 句子名称 1.3 sentence_id string True 句子标识 1.4 tagDataList array[object] True 句子使用到的语义与关键词 1.4

查看更多 →