在线客服场景客户咨询解析

服务开通与资源包购买

使用前，请确认是否已经开通服务，开通后可购买资源包。

• 服务开通：开通地址

• 购买资源包：购买地址

服务调用与调试

模型调用文档参考：模型调用

SDK示例文档参考：SDK示例

调试

通过环境变量配置访问凭证（AKSK）

1. 说明：

   1. 阿里云账号AccessKey拥有所有API的访问权限，风险很高。强烈建议您创建并使用RAM用户进行API访问或日常运维，请登录RAM控制台创建RAM用户。

   2. 强烈建议不要把AccessKey和AccessKeySecret保存到代码里，会存在密钥泄漏风险，在此提供通过配置环境变量的方式来保存和访问aksk

2. Linux和macOS系统配置方法

   export NLP_AK_ENV=<access_key_id>
   export NLP_SK_ENV=<access_key_secret>

   其中<access_key_id>替换为已准备好的AccessKey ID，<access_key_secret>替换为AccessKey Secret，AccessKey ID和AccessKey Secret的获取方式见步骤二：获取账号的AccessKey

3. Windows系统配置方法

   1. 新建环境变量文件，添加环境变量NLP_AK_ENV和NLP_SK_ENV，并写入已准备好的AccessKey ID和AccessKey Secret。

   2. 重启Windows系统。

Java代码示例

// 阿里云账号AccessKey拥有所有API的访问权限，风险很高。强烈建议您创建并使用RAM用户进行API访问或日常运维，请登录RAM控制台创建RAM用户。
// 此处以把AccessKey和AccessKeySecret保存在环境变量为例说明。您也可以根据业务需要，保存到配置文件里。
// 强烈建议不要把AccessKey和AccessKeySecret保存到代码里，会存在密钥泄漏风险
String accessKeyId = System.getenv("NLP_AK_ENV");
String accessKeySecret = System.getenv("NLP_SK_ENV");
DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou",accessKeyId,accessKeySecret);
IAcsClient client = new DefaultAcsClient(defaultProfile);
Map<String, Object> map = new HashMap<>();
map.put("input", "服务态度不好，你们就是这种服务态度的？");
RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
request.setServiceName("Dialog-Analysis");
request.setPredictContent(JSON.toJSONString(map));
RunPreTrainServiceResponse response = client.getAcsResponse(request);
System.out.println(response.getPredictResult());

Python代码示例

# 安装依赖
pip install aliyun-python-sdk-core
pip install aliyun-python-sdk-nlp-automl

# -*- coding: utf8 -*-
import json
import os

from aliyunsdkcore.client import AcsClient
from aliyunsdkcore.acs_exception.exceptions import ClientException
from aliyunsdkcore.acs_exception.exceptions import ServerException
from aliyunsdknlp_automl.request.v20191111 import RunPreTrainServiceRequest

// 阿里云账号AccessKey拥有所有API的访问权限，风险很高。强烈建议您创建并使用RAM用户进行API访问或日常运维，请登录RAM控制台创建RAM用户。
// 此处以把AccessKey和AccessKeySecret保存在环境变量为例说明。您也可以根据业务需要，保存到配置文件里。
// 强烈建议不要把AccessKey和AccessKeySecret保存到代码里，会存在密钥泄漏风险
access_key_id = os.environ['NLP_AK_ENV']
access_key_secret = os.environ['NLP_SK_ENV']

# Initialize AcsClient instance
client = AcsClient(
  access_key_id,
  access_key_secret,
  "cn-hangzhou"
);
# 输入还可以包括上文context_above和下文context_below信息，有助于提升算法效果，但也可以省略不写，参考输入示例。
content = {
  "input": "服务态度不好，你们就是这种服务态度的？",
}
# Initialize a request and set parameters
request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
request.set_ServiceName('Dialog-Analysis')
request.set_PredictContent(json.dumps(content))
# Print response
response = client.do_action_with_exception(request)
resp_obj = json.loads(response)
predict_result = json.loads(resp_obj['PredictResult'])
print(predict_result['result'])

PredictContent内容示例

#包含上文context_above和下文context_below数据的完整示例，有助于提升算法效果，上下文也可以省略不写
{
  "context_above": [
    {
      "role": "⽤户",
      "context": "叫你改价格直接取消我订单？"
    },
    {
      "role": "客服",
      "context": "订单下单后不⽀持修改"
    }
  ],
  "input": "服务态度不好，你们就是这种服务态度的？",
  "context_below": [
    {
      "role": "客服",
      "context": "不好意思呢，确实是这样的"
    },
    {
      "role": "⽤户",
      "context": "拜拜，再也不来了"
    }
  ]
}

PredictResult内容示例

{
  "emotion": {
    "key": "抱怨",
    "score": 0.4929790496826172
  },
  "intent": {
    "key": "⽆",
    "score": 0.756518542766571
  },
  "category": {
    "key": "其他类-其他",
    "score": 0.4580000042915344
  },
  "sentiment": {
    "key": "负",
    "score": 1.0
  },
  "aspectItem": [
    {
      "aspectCategory": "客服-服务",
      "aspectPolarity": "负",
      "negativeProb": 1.0,
      "positiveProb": 0.0,
      "terms": [
        {
          "aspectTerm": "服务态度",
          "opinionTerm": "不好"
        }
      ]
    }
  ]
}

入参说明

出参说明