商品评价解析服务-汽车领域

商品评价解析服务(汽车领域)。

商品评价解析服务-汽车领域使用示例。如当前支持的领域、行业不满足您的需求,请加钉钉自学习平台答疑二群(钉钉群号:44619071),进一步咨询合作。

说明

本预训练模型提供的服务无需自主标注训练,直接调用API即可使用;

服务开通与资源包购买

预训练模型使用前,请确认是否已经开通了NLP自学习平台服务,开通后可购买资源包。

NLP自学习平台:开通地址

自学习平台资源包:购买地址

Java代码示例

DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou","your-access-id-key","your-access-id-secret");
IAcsClient client = new DefaultAcsClient(defaultProfile);

Map<String, Object> input = new HashMap();
input.put("content","频繁上坡起步有含糊味,不知力活片是不是质量有问题。倒档要停稳才能挂。");
input.put("domain","car");
input.put("entity",true);
Map<String, Object> map = new HashMap<>();
map.put("input", input);

RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
request.setServiceName("aoe-automl-app-car");
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

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

# Initialize AcsClient instance
client = AcsClient(
  "<your-access-id-key>",
  "<your-access-id-secret>",
  "cn-hangzhou"
);

content = '频繁上坡起步有含糊味,不知力活片是不是质量有问题。倒档要停稳才能挂。'
domain = 'car'
input_params = {
    "input": {
        "content": content,
        "domain": domain,
        "entity": True
    }
}

# Initialize a request and set parameters
request = RunPreTrainServiceRequest.RunPreTrainServiceRequest()
request.set_ServiceName('aoe-automl-app-car')
request.set_PredictContent(json.dumps(input_params))

# Print response
response = client.do_action_with_exception(request)
resp_obj = json.loads(response)
predict_result = json.loads(resp_obj['PredictResult'])
print(json.dumps(predict_result['data']))
说明

调用商品评价解析服务-本地生活领域,ServiceName需要传入:aoe-automl-app-car。

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。

{
  "input": {
    "content": "频繁上坡起步有含糊味,不知力活片是不是质量有问题。倒档要停稳才能挂。",
    "domain": "car",
    "entity": true
  }
}

入参说明

参数

说明

content

需要预测的文本内容,最长支持500字。

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

支持属性表

整体

赠品

包装

正品

物流

品牌

颜色

做工

手感

功能

重量

声音

质量

适合

导航

配件

油耗

内饰

灯光

其他

耐用性

实用性

安全性

稳定性

便捷性

密封性

操控性

牢固度

软硬度

色牢度

舒适度

精确度

使用效果

隔音效果

显示效果

音响效果

减震效果

系统性能

传动性能

转弯性能

面料/材质

电池/续航时间

个头/大小

异味/气味

容量/空间

挂挡/换挡

车窗/后视镜

动力/加速性能

空调/冰箱

顿挫感

性价比

多媒体

仪表盘

外观设计

卖家服务

驾驶视野

描述相符

制动性能

安全配置

智能辅助

雷达功能

4s店服务

维护保养

车辆配置

防盗系统

车联功能

智能影像

控制按键

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。

{
  "code": 1000,
  "data": {
    "cost": "39.912ms",
    "textProb": 0.9975,
    "aspectItem": [
      {
        "clause": "频繁上坡起步有含糊味",
        "clauseIndex": "0,10",
        "aspectPolarity": "负",
        "terms": [
          {
            "aspectTerm": "频繁上坡起步",
            "opinionTerm": "有含糊味",
            "normedAspectTerm": "频繁上坡起步",
            "normedOpinionTerm": "有含糊味"
          }
        ],
        "positiveProb": 0.003,
        "aspectCategory": "异味/气味",
        "negativeProb": 0.996
      },
      {
        "clause": "倒档要停稳才能挂",
        "clauseIndex": "25,33",
        "aspectPolarity": "负",
        "terms": [
          {
            "aspectTerm": "倒档",
            "opinionTerm": "要停稳才能挂",
            "normedAspectTerm": "倒档",
            "normedOpinionTerm": "要停稳才能挂"
          }
        ],
        "positiveProb": 0.001,
        "aspectCategory": "挂挡/换挡",
        "negativeProb": 0.999
      }
    ],
    "textPolarity": "负"
  },
  "message": "SUCCESS",
  "tracerId": "1639036027.4482515"
}

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

normedAspectTerm

归一化属性词

normedOpinionTerm

归一化情感词

阿里云首页 自然语言处理 相关技术圈