删除配体相似性图计算任务 功能介绍 删除配体相似性图计算任务。 URI DELETE /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-common/ligand/similarity-graph/{task_id}

查看更多 →

Boolean 相似度计算是否成功。 similarity Float 配体对之间的相似度。 最小值：0 最大值：1 reason String 相似度计算失败的理由。 最小长度：1 最大长度：512 请求示例 无 响应示例 状态码： 200 查询配体相似性图计算任务成功响应。 {

查看更多 →

Dirichlet Allocation)，由Blei等人于2003年提出的无监督学习算法，可以按照概率分布的形式给出文档集中每篇文档的主题，在文本挖掘领域，应用于文本主题识别、文本分类和文本相似度计算等方面。 输入 参数 子参数 参数说明 inputs dataframe inp

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 →

括作业输入条件、输出结果、执行环境、合作方信息和模型贡献度等。 图2 展示作业报告 执行纵向作业 用户登录进入计算节点页面。 在左侧导航树上依次选择“作业管理 > 可信联邦学习”，打开可信联邦学习作业页面。 在“可信联邦学习”页面，查找待执行的纵向作业，单击“执行”。 图3 执行作业

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。

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 →

客户声音制作案例 单击声音样例.zip，下载如表1所示的音频文件。 mos分是从音色相似度、情感表达效果和声音音质方面，进行整体效果综合评分的结果。 表1 音频文件 版本 类别 原音文件 合成音文件 版本差异 适用场景 基础版声音制作 女声 基础版媒体1.wav 基础版媒体2.wav

查看更多 →

准确率高：基于改进的深度学习算法，基于复杂环境语音审核准确率高。 支持特殊声音识别：支持特殊声音识别模型，如娇喘、呻吟、敏感声纹等。 内容审核-视频 内容审核 -视频有以下应用场景： 视频平台/社区：精准识别平台上的违规视频内容，帮助平台规避内容风险： 360度全方位检测：提供多模

查看更多 →

在UserCF算法中使用，生成的相似度矩阵中为每个用户保留的若干个最相似用户。默认为100。 最小交叉度 物品和物品之间被同一用户行为记录的数量，计算相似度时，过滤掉共同记录小于最小交叉度的item。 默认值：1。 物品活跃度 物品过滤用户的活跃度阈值。 取值范围：1-10000。

查看更多 →

快速审核。 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

查看更多 →

或真人的外貌、行为特点，并具备一定的智能和情感，可以进行交互和表达。数字人也可以被称之为虚拟形象、数字虚拟人、虚拟数字人等。数字人的核心技术主要包括计算机视觉、计算机图形学、动作捕捉和驱动、图像渲染和人工智能等。 服务型数字人：利用深度神经网络进行图像合成、高度拟真的虚拟人。 具备如下特点：

查看更多 →

Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未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。

查看更多 →

9。 表9 属性级情感分析（高级版）输出参数说明 参数 说明 待分析文本 输入待分析的文本。 情感标签 1表示积极，0表示消极。 置信度 识别结果的可靠程度。 挖掘列表 属性级情感挖掘列表。 属性类别 属性的类别。 情感标签 情感标签，0：负向，1：正向。 情感标签置信度 属性分析结果可靠程度。

查看更多 →

果的OBS桶中查看情感分析结果文件。 图5 情感分析结果文件 文本情感分析结果将保存至json同名文件，分析结果包括情感态度标签（0代表消极，1代表积极）以及标签置信度。 图6 情感分析结果 如果用户上传空文本，分析结果将返回提示“文本不能为空”。 图7 情感分析结果 （可选）进

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 →

文本词向量 概述 “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

查看更多 →

属性级情感分析（领域版） 功能介绍 属性级情感分析（领域版），本产品适用于评论文本的属性级正负面分析，编码方式UTF-8。建议对数据预处理，对于文本为空的内容进行过滤，文本长度不超过1000字。 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

查看更多 →

类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等。 聚类 聚类是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。

查看更多 →

、关键词提取、文本相似度等自然语言相关的API，可用于智能问答、 对话机器人 、内容推荐、电商评价分析。 机器翻译 NLPMT：机器翻译(Machine Translation)致力于为企业和个人提供不同语种间快速翻译能力，通过API调用即可实现源语言文本到目标语言文本的自动翻译。

查看更多 →

了溢出滚动后，此配置项才生效 文本样式 字体：设置文本的字体。 字号：设置文本的字号。 文本间距：设置文本的文本间距 颜色：设置文本的字体颜色。 字体粗细：设置文本的字体粗细。 对齐方式：设置文本的对齐方式，可以设置为左侧、右侧、水平居中。 行高：输入数值或拖动，调整文字的每一行之间的间距。

查看更多 →