百度智能api接口汇总.pdf

百度智能 百度智能api接⼝汇总 接⼝汇总 ⼀：⾃然语⾔处理 # -*- coding: utf-8 -*- # @Author : FELIX # @Date : 2018/5/18 9:47 # pip install baidu-aip from aip import AipNlp """ 你的 APPID AK SK 从百度开发者平台申请 """ APP_ID = '' API_KEY = '' SECRET_KEY = '' client = AipNlp(APP_ID, API_KEY, SECRET_KEY) text='百度是⼀家⾼科技公司' print(client.lexer(text)) text = "今天天⽓怎么样？" """ 调⽤依存句法分析 """ print(client.depParser(text)) """ 如果有可选参数 """ options = {} options["mode"] = 1 """ 带参数调⽤依存句法分析 """ print(client.depParser(text, options)) word = "张飞" """ 调⽤词向量表⽰ """ print(client.wordEmbedding(word)) text = "床前明⽉光" """ 调⽤DNN语⾔模型 """ print(client.dnnlm(text)) word1 = "北京" word2 = "上海" """ 调⽤词义相似度 """ print(client.wordSimEmbedding(word1, word2)) """ 如果有可选参数 """ options = {} """ 带参数调⽤词义相似度 """ print(client.wordSimEmbedding(word1, word2, options)) text1 = "浙富股份" text2 = "万事通⾃考⽹" """ 调⽤短⽂本相似度 """ print(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 """ print(client.simnet(text1, text2, options)) text = "三星电脑电池不给⼒" """ 调⽤评论观点抽取 """ print(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 """ print(client.commentTag(text, options)) text = "苹果是⼀家伟⼤的公司" """ 调⽤情感倾向分析 """ print(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 """ print(client.keyword(title, content)) title = "欧洲冠军杯⾜球赛" content = "欧洲冠军联赛是欧洲⾜球协会联盟主办的年度⾜球⽐赛，代表欧洲俱乐部⾜球最⾼荣誉和⽔平，被认为是全世界最⾼素质、最具影响⼒以及最⾼⽔平的俱乐部赛事，亦是世界上奖⾦最⾼的⾜球赛事和体育赛事之⼀。 """ 调⽤⽂章分类 """ print(client.topic(title, content)) ⼆：图像识别 # -*- coding: utf-8 -*- # @Author : FELIX # @Date : 2018/5/18 11:32 from aip import AipImageClassify """ 你的 APPID AK SK """ APP_ID = '' API_KEY = '' SECRET_KEY = '' client = AipImageClassify(APP_ID, API_KEY, SECRET_KEY) """ 读取图⽚ """ def get_file_content(filePath): with open(filePath, 'rb') as fp: return fp.read() image = get_file_content('ma.jpg') """ 调⽤通⽤物体识别 """ print(client.advancedGeneral(image)) """ 调⽤ 【自然语言处理API】 在百度智能API接口中，自然语言处理部分提供了多个功能，包括文本分词、依存句法分析、词向量表示、DNN语言模型、词义相似度、短文本相似度、评论观点抽取和情感倾向分析。 1. **文本分词**：通过`lexer`方法，对输入的文本进行分词处理，例如`client.lexer(text)`，将字符串“百度是家公司”拆分成单独的词语。 2. **依存句法分析**：`depParser`方法用于分析句子的语法结构，如`client.depParser(text)`，可以显示单词之间的依赖关系。可选参数`mode`用于选择不同的分析模式。 3. **词向量表示**：利用`wordEmbedding`方法，可以获取词的向量表示，如`client.wordEmbedding(word)`，对于词汇“张飞”获取其向量形式。 4. **DNN语言模型**：`dnnlm`方法用于基于深度神经网络的语言建模，如`client.dnnlm(text)`，在给定的文本“床前明月光”上运行该模型。 5. **词义相似度**：通过`wordSimEmbedding`方法计算两个词的语义相似度，如`client.wordSimEmbedding(word1, word2)`，比较“北京”和“上海”的相似度。可选参数可以自定义相似度计算的方式。 6. **短文本相似度**：`simnet`方法用于判断两段短文本的相似度，如`client.simnet(text1, text2)`，在“浙富股份”和“万事通自考网”之间计算相似度。可选参数`model`可设置不同的模型类型，如“CNN”。 7. **评论观点抽取**：`commentTag`方法提取文本中的观点信息，例如“三星电脑电池不给力”，可以抽取出负面评价。可选参数`type`可以指定观点类型。 8. **情感倾向分析**：`sentimentClassify`方法分析文本的情感倾向，如“苹果是一家伟大的公司”，判断其正面或负面情绪。 【文章标签与分类】 1. **文章标签**：`keyword`方法用于提取文章标题和内容的关键信息，如`client.keyword(title, content)`，在给定的iPhone问题及其解决方案的示例中，获取文章主要关注的点。 2. **文章分类**：`topic`方法根据标题和内容将文章分类，如`client.topic(title, content)`，在欧洲冠军杯足球赛的例子中，确定文章属于体育类别。 【图像识别API】 1. **通用物体识别**：`advancedGeneral`方法识别图片中的物体，如`client.advancedGeneral(image)`，识别一张图片中包含的物体。 2. **菜品识别**：`dishDetect`方法识别图片中的菜品，帮助用户了解图片中的食物。 3. **车辆识别**：`carDetect`方法用于识别图片中的车辆类型，提供车辆识别服务。 这些API展示了百度智能在自然语言理解和图像识别方面的强大能力，广泛应用于智能客服、内容推荐、新闻分析、社交媒体监控等领域，为开发者提供了丰富的工具集，以便构建智能化的应用程序。