全部产品

商品评价解析服务

更新时间:2020-09-08 10:23:29

商品评价解析服务使用示例。

Java代码示例

  1. DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou","your-access-id-key","your-access-id-secret");
  2. IAcsClient client = new DefaultAcsClient(defaultProfile);
  3. Map<String, Object> input = new HashMap();
  4. input.put("content","衣服款式:很好看");
  5. input.put("domain","clothing");
  6. input.put("entity",true);
  7. Map<String, Object> map = new HashMap<>();
  8. map.put("input", input);
  9. RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
  10. request.setServiceName("ReviewAnalysis");
  11. request.setPredictContent(JSON.toJSONString(map));
  12. RunPreTrainServiceResponse response = client.getAcsResponse(request);
  13. System.out.println(response.getPredictResult());

Python代码示例

  1. # 安装依赖
  2. pip install aliyun-python-sdk-core
  3. pip install aliyun-python-sdk-nlp-automl
  1. # -*- coding: utf8 -*-
  2. import json
  3. from aliyunsdkcore.client import AcsClient
  4. from aliyunsdkcore.acs_exception.exceptions import ClientException
  5. from aliyunsdkcore.acs_exception.exceptions import ServerException
  6. from aliyunsdknlp_automl.request.v20191111 import RunPreTrainServiceRequest
  7. # Initialize AcsClient instance
  8. client = AcsClient(
  9. "<your-access-id-key>",
  10. "<your-access-id-secret>",
  11. "cn-hangzhou"
  12. );
  13. content = '这件衣服真好看'
  14. domain = 'clothing'
  15. input_params = {
  16. "input": {
  17. "content": content,
  18. "domain": domain,
  19. "entity": True
  20. }
  21. }
  22. # Initialize a request and set parameters
  23. request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
  24. request.set_ServiceName('ReviewAnalysis')
  25. request.set_PredictContent(json.dumps(input_params))
  26. # Print response
  27. response = client.do_action_with_exception(request)
  28. resp_obj = json.loads(response)
  29. predict_result = json.loads(resp_obj['PredictResult'])
  30. print(json.dumps(predict_result['data']))
说明 调用商品评价解析服务,ServiceName需要传入:ReviewAnalysis。
PredictContent内容示例
说明 PredictContent参数为JSON字符串传入,JSON字符串包含内容参考下面举例。
  1. {
  2. "input": {
  3. "content": "衣服款式很好看",
  4. "domain": "clothing",
  5. "entity": true
  6. }
  7. }

入参说明

参数 说明
content 需要预测的文本内容。
domain 支持商品类目。参考下一章节的类目支持表格。
entity 值为true时返回结果包含属性情感词抽取结果,否则不包含

商品类目支持表

类目 类目code 属性类别
食品类-水产肉类 aquaticmeat 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,重量,颜色,口感,细节,新鲜度,干净度,个头,水分,咸度,成熟度,保质期,吃坏,甜度,手感
食品类-咖啡麦片冲饮 coffe 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,工艺,重量,异味/气味,食用效果,颜色,口感,个头,保质期,冲泡效果,便利性
食品类-粮油米面 grainoil 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,重量,体验,颜色,口感,新鲜度,干净度,个头,水分,手感,咸度,成熟度,保质期,吃坏,甜度,细节
食品类-保健食品 healthfood 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,重量,异味/气味,食用效果,口感,保质期,冲泡效果,便利性
食品类-滋补营养品 nourishment 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,异味/气味,重量,耐泡度,颜色,口感,新鲜度,粉质,干净度,个头,保质期,泡发性
食品类-酒类 wine 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,工艺,异味/气味,醉酒性,年份,外观,口感,颜色,原料,体积,酒精度数
食品类-零食 snacks 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,辣度,味道,异味/气味,重量,口感,成分,保质期,肉质,甜度
服饰类-通用 clothing 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,版型,透气性,功能,做工,厚薄度,异味/气味,材质,填充物及含量,上身效果,颜色,款式,保暖性,尺码/尺寸,舒适度,起球,色牢度,面料,弹性,手感
服饰类-时尚饰品 fashion 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,工艺,功能,异味/气味,外观,颜色,款式,尺码/尺寸,佩戴效果
服饰类-内衣行业 underwear 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,面料/材质,做工,缩水,异味/气味,耐穿性,颜色,款式,保暖性,尺码/尺寸,聚拢效果,舒适度,色牢度,厚薄度,手感,弹性
服饰类-女装 dress 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,填充物及含量,颜色,款式,尺码/尺寸,起球,色牢度,缩水,保暖性,破洞,面料,弹性,透气性,做工,图案,厚薄度,色差,异味/气味,上身效果,对称,线头,手感
服饰类-鞋类 shoes 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,功能,异味/气味,材质,上身效果,外观,颜色,款式,尺码/尺寸,色牢度
运动类-小球类 littleball 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,异味/气味,重量,耐用性,材质,外观,颜色,飞行稳定性,尺码/尺寸,圆度,软硬度,手感,弹性
运动类-大球类 bigball 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,控球性,做工,异味/气味,重量,耐用性,材质,外观,颜色,漏气,配件,充气,尺码/尺寸,软硬度,弹性,手感
运动类-骑行配饰 cycling 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,透气性,做工,功能,异味/气味,材质,颜色,款式,防水性,保暖性,速干效果,尺码/尺寸,舒适度,色牢度,厚薄度,手感,弹性
运动类-球类配饰 ballaccessory 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,服帖性,重量,异味/气味,防滑效果,声音,材质,外观,颜色,防水性,吸水性,粘性,尺码/尺寸,磁性,安装,清洗效果,使用效果/球感效果,软硬度,弹性,手感
运动类-自行车类 bicycle 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,灯光,色差,功能,做工,重量,材质,外观,颜色,尺码/尺寸,设计,安全性,安装,骑行感受,声音,手感
家装家居类-灯饰光源 light 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,功能,能耗,材质,外观,使用效果,颜色,配件,亮度,体积,安装
家装家居类-家装主材 decoration 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,功能,制热效果,重量,异味/气味,密封性,材质,出水性,能耗,使用效果,款式,水冲力,尺码/尺寸,设计,安全性,亮度,安装,声音,手感
家装家居类-床上用品 beddings 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,功能,缩水,重量,异味/气味,图案,材质,颜色,款式,保暖性,尺码/尺寸,舒适度,色牢度,厚薄度,手感,软硬度
家装家居类-住宅家具 furniture 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,色差,做工,异味/气味,材质,外观,颜色,款式,手感,安全性,舒适度,厚重感,便利性,声音,软硬度
办公用品 todo 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,功能,重量,操作性,空间,异味/气味,材质,外观,颜色,显示/打印效果,系统性能,体积,安装,速度,声音
通讯类 lifeelectriccommucation 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,功能,电池/续航时间,重量,对讲/通话效果,操作性,信号,外观,颜色,体积,传播距离,声音,便携性
手机行业 cellphone 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,功能,拍照效果,电池/续航能力,内存,外观,使用效果,颜色,屏幕,配件,系统性能,声音,手感
箱包行业 bags 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,色差,功能,做工,异味/气味,重量,密封性,材质,颜色,款式,容量,实用性,配件,尺码/尺寸,牢固度,手感
手表行业 watch 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,异味/气味,操作性,材质,外观,颜色,防水性,校准,佩戴效果
眼镜行业 glasses 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,材质,颜色,款式,配件,尺码/尺寸,设计,佩戴效果,清晰度
纸尿裤 diaper 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,吸收度,透气性,柔软度,材质,外观,使用效果,贴身性
奶粉 milk 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,异味/气味,颜色,口感,便利性,保质期,质地,溶解性
美妆&彩妆行业 beauty 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,美白效果,丰胸效果,使用效果,颜色,抗衰效果,成分,收毛孔效果,遮瑕效果,祛痘祛印效果,隔离效果,补水保湿效果,密封度,防晒效果,纤体效果,紧致效果,质地,祛斑淡斑效果,去黑头效果,异味/气味,妆感,控油效果,清洁效果,保质期
电器类-通用 lifeelectric 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,功能,便携性,重量,操作性,外观,使用效果,颜色,体积,安装,便利性,声音,细节
电器类-电视机 television 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,体积,做工,功能,重量,操作性,异味/气味,材质,能耗,内容资源,内存,外观,颜色,配件,设计,系统性能,显示效果,安装,厚薄度,声音
电器类-热水器 waterheat 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,制热效果,做工,重量,操作性,保温/控温/加热效果,材质,出水性,能耗,外观,颜色,容量,设计,安全性,体积,安装,声音
电器类-洗衣机 washingmachine 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,脱水/烘干效果,功能,异味/气味,能耗,重量,材质,操作性,安装,外观,颜色,容量,体积,声音/震动,洗涤效果
电器类-制冷设备 refrigeration 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,做工,功能,制冷/保鲜效果,重量,操作性,异味/气味,材质,能耗,箱门结构,外观,颜色,容量,体积,安装,工作方式,厚薄度,声音
电器类-电扇 lifeelectricfan 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,风力/风速,功能,做工,重量,操作性,体验,外观,颜色,体积,安装,声音,细节
电器类-电热毯 lifeelectricblanket 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,面料/材质,制热效果,功能,味道,做工,操作性,体验,图案,颜色,尺码/尺寸,安全性,保温效果,声音
电器类-扫地机器人 sweepingrobot 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,外观,电池/续航能力,声音,清晰度,容量,清洁效果,使用效果,功能,工艺,细节,体验,干净度,颜色,体积,重量,材质,做工
快消品-洗护 washcare 质量,卖家服务,性价比,物流,正品,包装,整体,赠品,味道/气味,使用效果,其他,耐用性,份量,去污/清洁能力,品牌,便捷性,泡沫量,浓稠度,清洁难度,成分,外观,描述相符,溶解性,功效,颜色

PredictResult内容示例

说明 PredictResult是JSON字符串,需要反序列化之后进行解析,具体结构如下示例。
  1. {
  2. "code": 1000,
  3. "data": {
  4. "aspectItem": [
  5. {
  6. "aspectCategory": "款式",
  7. "aspectPolarity": "正",
  8. "clause": "衣服款式很好看",
  9. "clauseIndex": "0,7",
  10. "negativeProb": 0,
  11. "positiveProb": 0.999,
  12. "terms": [
  13. {
  14. "aspectTerm": "款式",
  15. "opinionTerm": "好看"
  16. }
  17. ]
  18. }
  19. ],
  20. "cost": "13.652ms",
  21. "textPolarity": "正",
  22. "textProb": 0.9972
  23. },
  24. "message": "SUCCESS",
  25. "tracerId": "55826e2a-23d0-4664-905f-59010bfecd2a"
  26. }

出参说明

字段 说明
textPolarity 整条文本情感极性:正、中、负
textProb 整条文本情感极性置信度(取值范围[0,1],越大代表整条文本为textPolarity对应情感极性的概率越高)
aspectItem 属性情感列表,每个元素是一个json字段
aspectCategory 属性类别
aspectPolarity 属性片段极性(正、中、负)
clause 情感子句
clauseIndex 情感子句所在的起始位置,终结位置
positiveProb 情感正向置信度(取值范围[0,1],越大代表情感正向概率越高)
negativeProb 情感负向置信度(取值范围[0,1],越大代表情感负向概率越高)
terms 抽取的属性情感词列表,每个元素是一个json字段
aspectTerm 属性词
opinionTerm 情感词