String 相似问题 最小长度：0 最大长度：1000 question2 否 String 相似问题 最小长度：0 最大长度：1000 question3 否 String 相似问题 最小长度：0 最大长度：1000 question4 否 String 相似问题 最小长度：0

查看更多 →

String 相似问题 最小长度：0 最大长度：1000 question2 否 String 相似问题 最小长度：0 最大长度：1000 question3 否 String 相似问题 最小长度：0 最大长度：1000 question4 否 String 相似问题 最小长度：0

查看更多 →

本章节主要介绍WT水平叠加柱状图组件各配置项的含义。 样式 WT水平叠加柱状图和水平叠加柱状图的样式配置相似，请参考样式配置WT水平叠加柱状图的样式。 数据 WT水平叠加柱状图和WT柱图的数据配置相似，请参考数据配置WT水平叠加柱状图的数据。 交互 关于组件是否支持交互功能及交互的使用方法，请参考设置组件事件交互。

查看更多 →

自然语言处理基础服务接口说明 分词 多粒度分词 依存句法分析 命名实体识别（基础版） 命名实体识别（领域版） 文本相似度（基础版） 文本相似度（高级版） 句向量 实体链接 关键词抽取 事件抽取 成分句法分析 父主题： API

查看更多 →

WT线图 本章节主要介绍WT线图组件各配置项的含义。 样式 WT线图和线状图的样式配置相似，请参考样式配置WT线图的样式。 数据 WT线图和WT柱图的数据配置相似，请参考数据配置WT线图的数据。 交互 关于组件是否支持交互功能及交互的使用方法，请参考设置组件事件交互。 父主题： 线状图类

查看更多 →

WT雷达图 本章节主要介绍WT雷达图组件各配置项的含义。 样式 WT雷达图和雷达图的样式配置相似，请参考样式配置WT雷达图的样式。 数据 WT雷达图和WT柱图的数据配置相似，请参考数据配置WT雷达图的数据。 交互 关于组件是否支持交互功能及交互的使用方法，请参考设置组件事件交互。

查看更多 →

WT水平柱图 本章节主要介绍WT水平柱图组件各配置项的含义。 样式 WT水平柱图和水平柱状图的样式配置相似，请参考样式配置WT水平柱图的样式。 数据 WT水平柱图和WT柱图的数据配置相似，请参考数据配置WT水平柱图的数据。 交互 关于组件是否支持交互功能及交互的使用方法，请参考设置组件事件交互。

查看更多 →

WT散点图 本章节主要介绍WT散点图组件各配置项的含义。 样式 WT散点图和散点图的样式配置相似，请参考样式配置WT散点图的样式。 数据 WT散点图和WT柱图的数据配置相似，请参考数据配置WT散点图的数据。 交互 关于组件是否支持交互功能及交互的使用方法，请参考设置组件事件交互。

查看更多 →

simlarity_threshold 否 0.9 相似度阈值。两张图片相似程度超过阈值时，判定为相似图片，反之按非相似图片处理。输入取值范围为0~1。 embedding_distance 否 0.2 样本特征间距。两张图片样本特征间距小于设定值，判定为相似图片，反之按非相似图片处理。输入取值范围为0~1。

查看更多 →

在世界地图中可添加的子组件有： 地图飞线：配置方法和基础平面地图中的地图飞线相似，请参考地图飞线。 地图散点：配置方法和基础平面地图中的地图散点相似，请参考地图散点。 进阶版散点层：配置方法和基础平面地图中的进阶版散点层相似，请参考进阶版散点层。 基础平面地图中的进阶版散点层支持交互功能，

查看更多 →

权重：匹配问答与配置元素的近似度时，该元素所占比例。例如问答“不止英雄影片的主演是谁”相似度计算时，本体“电影”所占比例大小。 实体实例权重：匹配问答与配置元素的近似度时，该元素对应实例所占比例。例如问答“不止英雄影片的主演是谁”相似度计算时，实体实例“不止英雄”所占比例大小。 图3 概念链接 概念属性CONCEPT_PROPERTY

查看更多 →

请参考约束与限制章节，上传符合规范的人脸图片。 人脸搜索错误码 （错误码区间：29～31） 400 FRS.0029 过滤格式错误。 请参考人脸搜索请求参数章节，检查输入格式是否合法。 400 FRS.0030 返回字段未定义。 请参考人脸搜索请求参数章节，检查return_fields是否定义。

查看更多 →

单用户QPS 分词 20 多粒度分词 2 依存句法分析 2 命名实体识别（基础版） 20 命名实体识别（领域版） 20 文本相似度（基础版） 20 文本相似度（高级版） 2 句向量 20 实体链接 20 关键词抽取 20 事件抽取 2 文本摘要（基础版） 20 文本摘要（领域版）

查看更多 →

标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 适用场景 标签传播算法（Label Propagation）适用于资讯传播、广告推荐、社区发现等场景。

查看更多 →

索。 应用场景 商品 图像搜索 基于用户提供的图像在商品库中进行搜索，找到同款或相似的商品，可以应用于商品搜索、推荐等业务中。 图1 商品图像搜索示例图 服装版型搜索 根据参考的服装图像搜索设计版型相似的服装，可以应用于服装设计、服装库管理等业务中。 父主题： 功能介绍

查看更多 →

表1 区分基础版和领域版的接口 接口类型 接口 自然语言处理 基础服务接口 命名实体识别（基础版） 命名实体识别（领域版） 文本相似度（基础版） 文本相似度（领域版） 语言生成 服务接口 文本摘要（基础版） 文本摘要（领域版） 语言理解 服务接口 情感分析（基础版） 情感分析（领域版）

查看更多 →

题及扩展问，并按相似得分降序展示搜索结果。 初筛是比较粗略的相似度匹配算法，快速的召回一批比较有可能的问题，然后利用重排序算法去精确排序。初筛一般更关心词语是否出现，重排序对顺序、词组等的特征会综合考虑。 重排序结果 根据初筛结果，对用户问进行语义识别，并根据相似度得分重新排序，按得分倒序展示结果。

查看更多 →

question1 String 相似问1 最小长度：0 最大长度：1000 question2 String 相似问2 最小长度：0 最大长度：1000 question3 String 相似问3 最小长度：0 最大长度：1000 question4 String 相似问4 最小长度：0 最大长度：1000

查看更多 →

自然语言处理套件 通用文本分类场景。 智能问答 通过中文分词、短文本相似度、命名实体识别等自然语言处理相关技术，计算两个问题对的相似度，可解决问答、对话、语料挖掘、知识库构建等问题。 内容推荐 通过文本分类预测模型，精确匹配出语义相似的内容，快速构建内容推荐场景。 视觉套件 商品识别 无人超

查看更多 →

benchmark工具用于精度验证，主要工作原理是：固定模型的输入，通过benchmark工具进行推理，并将推理得到的输出与标杆数据进行相似度度量（余弦相似度和平均相对误差），得到模型转换后的精度偏差信息。使用benchmark进行精度比对的基本流程如下： 将模型输入保存二进制文件。 #

查看更多 →

top_n int False 返回条数限制 offset int False 起始位置 similarity_min float False 返回相似性最小值阈值 filter dict False 过滤条件 order_by dict False 排序条件 返回值 EmbedData对象列表。

查看更多 →