华为云用户手册

响应示例 成功响应示例 { "words": [ { "id": 1, "word": "张三", "pos": "NR", "head_word_id": 2, "dependency_label": "subj" }, { "id": 2, "word": "买", "pos": "VV", "head_word_id": 0, "dependency_label": "root" }, { "id": 3, "word": "电脑", "pos": "NN", "head_word_id": 2, "dependency_label": "obj" } ] } 失败响应示例 { "error_code": "NLP.0301", "error_message": "Missing parameters:text" }

请求示例 请求示例（分析"李娜唱的青藏高原真好听"的实体链接） POST https://{endpoint}/v1/{project_id}/nlp-fundamental/entity-linking Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... Request Body: { "text":"李娜唱的青藏高原真好听", "lang":"zh" } Python3语言请求代码示例（分析"李娜唱的青藏高原真好听"的实体链接） # -*- coding: utf-8 -*- # 此demo仅供测试使用，建议使用sdk。需提前安装requests，执行pip install requests import requests import json def nlp_demo(): url = 'https://{endpoint}/v1/{project_id}/nlp-fundamental/entity-linking' # endpoint和project_id需替换 token = '用户对应region的token' header = { 'Content-Type': 'application/json', 'X-Auth-Token': token } body = { 'text': '李娜唱的青藏高原真好听', 'lang': 'zh' } resp = requests.post(url, data=json.dumps(body), headers=header) print(resp.json()) if __name__ == '__main__': nlp_demo() Java语言请求代码示例（分析"李娜唱的青藏高原真好听"的实体链接） import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.HttpURLConnection; import java.net.URL; /** * 此demo仅供测试使用，建议使用sdk */ public class NLPDemo { public void nlpDemo() { try { //endpoint和projectId需要替换成实际信息。 URL url = new URL("https://{endpoint}/v1/{project_id}/nlp-fundamental/entity-linking"); String token = "对应region的token"; HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setDoInput(true); connection.setDoOutput(true); connection.addRequestProperty("Content-Type", "application/json"); connection.addRequestProperty("X-Auth-Token", token); //输入参数 String text = "李娜唱的青藏高原真好听"; String body = "{\"text\":\"" + text + "\",\"lang\":\"zh\"}"; OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8"); osw.append(body); osw.flush(); InputStream is = connection.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8")); while (br.ready()) { System.out.println(br.readLine()); } } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) { NLPDemo nlpDemo = new NLPDemo(); nlpDemo.nlpDemo(); } }

响应消息 响应参数如表3所示。 表3 响应参数 参数名 参数类型 说明 entities Array of entities 实体链接结果，请参见表4。 error_code String 调用失败时的错误码，具体参见错误码。 调用成功时无此字段。 error_msg String 调用失败时的错误信息。 调用成功时无此字段。 表4 entity数据结构说明 参数名 参数类型 说明 mention String 实体指称。 offset Integer 偏移量。 entity_title String 指称链接到的实体名称。

响应示例 成功响应示例 { "entities": [ { "mention": "李娜", "offset": 0, "entity_title": "李娜（流行歌手、佛门女弟子）" }, { "mention": "青藏高原", "offset": 4, "entity_title": "青藏高原（李娜演唱歌曲）" } ] } 失败响应示例 { "error_code": "NLP.0301", "error_msg": "argument valid error:text.text for entity-linking should between 1 and 50;" }

响应示例 成功响应示例1 { "named_entities": [ { "len": 2, "offset": 0, "tag": "day", "word": "昨天" }, { "len": 3, "offset": 2, "tag": "job", "word": "程序员" }, { "len": 3, "offset": 5, "tag": "nr", "word": "李小明" }, { "len": 2, "offset": 10, "tag": "ns", "word": "北京" }, { "len": 2, "offset": 32, "tag": "ord", "word": "第一" } ] } 失败响应示例1 { "error_code": "NLP.0301", "error_msg": "The length of text should be in the range of 1-512." }

功能介绍 对文本进行命名实体识别分析，目前支持通用、商务和娱乐领域。 通用领域：支持人名、地名、组织机构、时间点、日期、百分比、货币额度、序数词、计量规格词、民族、职业、邮箱、国家、节日的实体的识别。 商务领域：支持公司名、品牌名、职业、职位、邮箱、手机号码、电话号码、IP地址、身份证号、网址、专业的实体的识别。 娱乐领域：支持电影名、动漫、书名、互联网、歌名、产品名、电视剧名、电视节目名的实体的识别。 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支持使用领域套餐包，购买时请在自然语言处理价格计算器中查看基础套餐包和领域套餐包支持的API范围。 本API调用限制为20次/秒。

响应消息 响应参数如表3所示。 表3 响应参数 参数名 参数类型 说明 named_entities Array of named_entity objects 命名实体识别结果， 请参见表4。 error_code String 调用失败时的错误码，具体参见错误码。 调用成功时无此字段。 error_msg String 调用失败时的错误信息。 调用成功时无此字段。 表4 named_entity数据结构说明 参数名 参数类型 说明 word String 实体文本。 tag String 实体类型，枚举类型。 通用领域：支持人名nr，地名ns，机构名nt，时间点tpt，日期day，百分比pct，货币额度mny，序数词ord，计量规格词qtt，民族race，职业job，邮箱email，国家coun，节日fest。 商务领域：支持公司名com、品牌名bra、职业job、职位post、邮箱email、手机号码cell、电话号码tele、IP地址ip、身份证号id、网址web。 娱乐领域：支持电影名mov、动漫anime、书名book、互联网int、歌名song、产品名pro、电视剧名dra、电视节目名tv。 offset Integer 实体文本在待分析文本中的起始位置。 len Integer 实体文本长度。

请求示例 请求示例1（识别分析命名实体，支持的领域类型为通用领域） POST https://{endpoint}/v1/{project_id}/nlp-fundamental/ner/domain Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... Request Body: { "text":"昨天程序员李小明来到北京参加开发者大赛，在比赛中表现优异，赢得了第一名。", "lang":"zh", "domain":"general" } Python3语言请求代码示例（识别分析命名实体，支持的语言类型为中文） # -*- coding: utf-8 -*- # 此demo仅供测试使用，建议使用sdk。需提前安装requests，执行pip install requests import requests import json def nlp_demo(): url = 'https://{endpoint}/v1/{project_id}/nlp-fundamental/ner/domain' # endpoint和project_id需替换 token = '用户对应region的token' header = { 'Content-Type': 'application/json', 'X-Auth-Token': token } body = { 'text': '昨天程序员李小明来到北京参加开发者大赛，在比赛中表现优异，赢得了第一名。', 'lang': 'zh' } resp = requests.post(url, data=json.dumps(body), headers=header) print(resp.json()) if __name__ == '__main__': nlp_demo() Java语言请求代码示例（识别分析命名实体，支持的领域类型为通用领域） import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.HttpURLConnection; import java.net.URL; /** * 此demo仅供测试使用，建议使用sdk */ public class NLPDemo { public void nlpDemo() { try { //endpoint和projectId需要替换成实际信息。 URL url = new URL("https://{endpoint}/v1/{project_id}/nlp-fundamental/ner/domain"); String token = "对应region的token"; HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setDoInput(true); connection.setDoOutput(true); connection.addRequestProperty("Content-Type", "application/json"); connection.addRequestProperty("X-Auth-Token", token); //输入参数 String text = "昨天程序员李小明来到北京参加开发者大赛，在比赛中表现优异，赢得了第一名。"; String body = "{\"text\":\"" + text + "\",\"lang\":\"zh\",\"domain\":\"general\"}"; OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8"); osw.append(body); osw.flush(); InputStream is = connection.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8")); while (br.ready()) { System.out.println(br.readLine()); } } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) { NLPDemo nlpDemo = new NLPDemo(); nlpDemo.nlpDemo(); } }

请求消息 请求参数如表2所示。 表2 请求参数 参数名 参数类型 必选 说明 text String 是 待分析文本，长度为1~512，文本编码为UTF-8。 lang String 否 支持的文本语言类型，目前只支持中文（zh），默认为中文。 domain String 否 支持的领域类型，目前支持通用（general）领域、商务（business）领域、娱乐（entertainment）领域，默认为general。

响应消息 响应参数如表3所示。 表3 响应参数 参数名 参数类型 说明 result Result object 调用成功时的返回情感信息。 调用失败时无此字段。 请参见表4。 error_code String 调用失败时的错误码。具体参见错误码。 调用成功时无此字段。 error_msg String 调用失败时的错误信息。 调用成功时无此字段。 表4 result字段数据结构说明 参数名 参数类型 说明 content String 待分析文本。 label Integer 正负分类标签。 1：广告 0：非广告 confidence Float 标签label的置信度。

请求示例 请求示例（判断“XXX去屑洗发水，全国包邮”是否是广告） POST https://{endpoint}/v1/{project_id}/nlu/classification Request Header: Content-Type: application/json X-Auth-Token:MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... Request Body: { "content":"XXX去屑洗发水，全国包邮", "domain":1 }

响应示例 成功响应示例 { "result": { "content": "XXX去屑洗发水，全国包邮", "label": 1, "confidence": 0.74237967 } } 失败响应示例 { "error_code": "NLP.0101", "error_msg": "Authentication failed. Please verify the token" }

功能介绍 对文本进行语义相似度计算。 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支持使用基础套餐包，购买时请在自然语言处理价格计算器中查看基础套餐包和领域套餐包支持的API范围。 也可使用文本相似度（高级版）接口，详情请见文本相似度（高级版）。文本相似度基础版和高级版基于不同算法实现，对相同文本，基础版和高级版的结果有所差别。根据测试数据，高级版效果一般优于基础版。 本API调用限制为20次/秒。

请求消息 请求参数如表2所示。 表2 请求参数 参数名 参数类型 必选 说明 text1 String 是 待计算文本1，中文长度1~512，英文长度1~2000，文本编码为UTF-8。 text2 String 是 待计算文本2，中文长度1~512，英文长度1~2000，文本编码为UTF-8。 lang String 否 支持的文本语言类型，默认为“zh”。目前支持中文和英文，对应的“lang”输入分别为“zh”，“en”。

请求示例 请求示例（计算文本语义相似度） POST https://{endpoint}/v1/{project_id}/nlp-fundamental/text-similarity Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... Request Body: { "text1":"今天天气晴朗", "text2":"今天天气晴", "lang":"zh" } Python3语言请求代码示例（计算文本语义相似度） # -*- coding: utf-8 -*- # 此demo仅供测试使用，建议使用sdk。需提前安装requests，执行pip install requests import requests import json def nlp_demo(): url = 'https://{endpoint}/v1/{project_id}/nlp-fundamental/text-similarity' # endpoint和project_id需替换 token = '用户对应region的token' header = { 'Content-Type': 'application/json', 'X-Auth-Token': token } body = { 'text1': '订单记录怎么删除', 'text2': '如何删除浏览记录', 'lang': 'zh' } resp = requests.post(url, data=json.dumps(body), headers=header) print(resp.json()) if __name__ == '__main__': nlp_demo() Java语言请求代码示例（计算文本语义相似度） import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.HttpURLConnection; import java.net.URL; /** * 此demo仅供测试使用，建议使用sdk */ public class NLPDemo { public void nlpDemo() { try { //endpoint和projectId需要替换成实际信息。 URL url = new URL("https://{endpoint}/v1/{project_id}/nlp-fundamental/text-similarity"); String token = "对应region的token"; HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setDoInput(true); connection.setDoOutput(true); connection.addRequestProperty("Content-Type", "application/json"); connection.addRequestProperty("X-Auth-Token", token); //输入参数 String text1 = "订单记录怎么删除"; String text2 = "如何删除浏览记录"; String lang = "zh"; String body = "{\"text1\":\"" + text1 + "\",\"text2\":\"" + text2 + "\",\"lang\":\"" + lang + "\"}"; OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8"); osw.append(body); osw.flush(); InputStream is = connection.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8")); while (br.ready()) { System.out.println(br.readLine()); } } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) { NLPDemo nlpDemo = new NLPDemo(); nlpDemo.nlpDemo(); } }

响应示例 成功响应示例 { "similarity":0.73369961 } 失败响应示例 { "error_code": "NLP.0301", "error_msg": "argument valid error:text2.text2 for text similarity should be between 1 to 512 ;text2.must not be blank;" }

响应消息 响应参数如表3所示。 表3 响应参数 参数名 参数类型 说明 result Result object 调用成功时的返回情感信息。 调用失败时无此字段。 请参见表4。 error_code String 调用失败时的错误码。具体参见错误码。 调用成功时无此字段。 error_msg String 调用失败时的错误信息。 调用成功时无此字段。 表4 result字段数据结构说明 参数名 参数类型 说明 content String 待分析文本。 label Integer 该文本的分析结果标签，取值如下： 1：positive 0：negative confidence Float 标签label的置信度。小数点精确到（6）位。

请求示例 请求示例（分析汽车领域用户评论为“很不错的一款车，可以改变生活方式。”的情感） POST https://{endpoint}/v1/{project_id}/nlu/sentiment/domain Request Header: Content-Type: application/json X-Auth-Token:MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... Request Body: { "content":"很不错的一款车，可以改变生活方式。", "type": 2 }

响应示例 成功响应示例 { "result": { "content":"很不错的一款车，可以改变生活方式。", "label": 1, "confidence": 0.96399385 } } 失败响应示例 { "error_code": "NLP.0101", "error_msg": "Authentication failed. Please verify the token" }

请求消息 请求参数如表2所示。 表2 请求参数 参数名 参数类型 必选 说明 content String 是 待分析文本。文本编码要求为utf-8，目前仅支持中文。 type为0（自适应领域），1（电商领域评论）时，限定200个字符以内，文本长度超过200个字符时，只检测前200个字符。 type为2（汽车领域评论）时，限定400个字符以内，文本长度超过400个字符时，只检测前400个字符。 type Integer 否 取值如下，默认值为0： 0：自适应领域，根据输入内容自动识别适应领域。 1：电商领域，适用于电商领域评论。 2：汽车领域，适用于汽车领域评论。

请求示例 请求示例（生成文本摘要，长度限制为0.3） POST https://{endpoint}/v1/{project_id}/nlg/summarization/domain Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... //用户认证获取的token值，获取方法详细请参考“如何调用API”章节中的“认证鉴权”页面。 Request Body: { "length_limit":0.3, "title":"华为“刀片式基站”获2018年度国家科学技术进步奖一等奖", "lang": "zh", "content": "华为刀片式基站解决方案是华为在深入理解客户诉求基础上，引领业界的创新解决方案。该方案采用统一的模块化设计，实现基站主要元素如射频、基带、电源、电池、微波、传输的刀片化，不同模块间的任意快速拼装组合无缝拼装，能灵活安装在抱杆，铁塔，墙面或者屋顶，“0”站址无需机房机柜，使基站的安装像拼装乐高积木一样简单便捷。刀片式基站同时支持2G/3G/4G等多制式，在多频多模网络发展策略下可以高效利用宝贵的站点资源，大幅降低站点获取难度和减少站点租金，帮助运营商应对移动网络快速增长的容量需求。同时刀片式基站采用自然散热，满足室外55℃高温环境，IP65防护等级，无需机房机柜和空调，其高能效和环境友好的特性，帮助运营商打造绿色移动网络。自2012年推出以来，刀片式基站全球累计已发货超1500万片，在全球超过170个国家310张运营商网络中成功商用部署。全球客户高度肯定了华为创新刀片式基站解决方案，它不但打破了传统机柜站点占地面积大、运维复杂的建站模式，而且还有效地提高了站点的部署效率，特别在密集城区、高铁场景下解决站点空间受限、实现快速部署、降低租赁成本等方面效果显著，同时也为乡村广覆盖场景提供最简单站点方案。在5G时代，华为围绕客户需求持续创新，在2018全球移动宽带论坛上，华为亦推出Super Blade Site——面向5G全室外站解决方案，其中包含最新支持5G容量要求的室外基带单元Blade BBU和有源天线一体化产品Blade AAU，该解决方案进一步匹配5G的最新技术要求和容量要求，极大降低5G引入对天面空间的需求，加速Massive MIMO部署，帮助运营商布局5G网络。华为Super Blade Site在2018全球移动宽带论坛上展出华为无线网络研发总裁郦舟剑表示，“华为一直致力于围绕客户需求持续创新，刀片式基站就是典型的例子。刀片式基站解决客户获取站址难题，帮助运营商快速建站，满足移动业务的迅猛增长的需求，也给客户带来商业成功。同时，面对即将到来的5G时代，华为持续创新，全室外刀片基站解决方案，将助力5G快速规模商用，帮助客户取得更大的商业成功。”国家科学技术进步奖，是国务院设立的国家科学技术奖5大奖项（国家最高科学技术奖、国家自然科学奖、国家技术发明奖、国家科学技术进步奖、国际科学技术合作奖）之一。该奖项授予在技术研究、技术开发、技术创新、推广应用先进科学技术成果、促进高新技术产业化，以及完成重大科学技术工程、计划等过程中做出创造性贡献的中国公民和组织。", "type":0 } Python3语言请求代码示例（生成文本摘要，长度限制为0.3） # -*- coding: utf-8 -*- # 此demo仅供测试使用，建议使用sdk。需提前安装requests，执行pip install requests import requests import json def nlp_demo(): url = 'https://{endpoint}/v1/{project_id}/nlg/summarization/domain' # endpoint和project_id需替换 token = '用户对应region的token' header = { 'Content-Type': 'application/json', 'X-Auth-Token': token } body = { 'length_limit': 0.3, 'title': '华为“刀片式基站”获2018年度国家科学技术进步奖一等奖', 'lang': 'zh', 'content': '华为刀片式基站解决方案是华为在深入理解客户诉求基础上，引领业界的创新解决方案。该方案采用统一的模块化设计，实现基站主要元素如射频、基带、电源、电池、微波、传输的刀片化，不同模块间的任意快速拼装组合无缝拼装，能灵活安装在抱杆，铁塔，墙面或者屋顶，“0”站址无需机房机柜，使基站的安装像拼装乐高积木一样简单便捷。刀片式基站同时支持2G/3G/4G等多制式，在多频多模网络发展策略下可以高效利用宝贵的站点资源，大幅降低站点获取难度和减少站点租金，帮助运营商应对移动网络快速增长的容量需求。同时刀片式基站采用自然散热，满足室外55℃高温环境，IP65防护等级，无需机房机柜和空调，其高能效和环境友好的特性，帮助运营商打造绿色移动网络。自2012年推出以来，刀片式基站全球累计已发货超1500万片，在全球超过170个国家310张运营商网络中成功商用部署。全球客户高度肯定了华为创新刀片式基站解决方案，它不但打破了传统机柜站点占地面积大、运维复杂的建站模式，而且还有效地提高了站点的部署效率，特别在密集城区、高铁场景下解决站点空间受限、实现快速部署、降低租赁成本等方面效果显著，同时也为乡村广覆盖场景提供最简单站点方案。在5G时代，华为围绕客户需求持续创新，在2018全球移动宽带论坛上，华为亦推出Super Blade Site——面向5G全室外站解决方案，其中包含最新支持5G容量要求的室外基带单元Blade BBU和有源天线一体化产品Blade AAU，该解决方案进一步匹配5G的最新技术要求和容量要求，极大降低5G引入对天面空间的需求，加速Massive MIMO部署，帮助运营商布局5G网络。华为Super Blade Site在2018全球移动宽带论坛上展出华为无线网络研发总裁郦舟剑表示，“华为一直致力于围绕客户需求持续创新，刀片式基站就是典型的例子。刀片式基站解决客户获取站址难题，帮助运营商快速建站，满足移动业务的迅猛增长的需求，也给客户带来商业成功。同时，面对即将到来的5G时代，华为持续创新，全室外刀片基站解决方案，将助力5G快速规模商用，帮助客户取得更大的商业成功。”国家科学技术进步奖，是国务院设立的国家科学技术奖5大奖项（国家最高科学技术奖、国家自然科学奖、国家技术发明奖、国家科学技术进步奖、国际科学技术合作奖）之一。该奖项授予在技术研究、技术开发、技术创新、推广应用先进科学技术成果、促进高新技术产业化，以及完成重大科学技术工程、计划等过程中做出创造性贡献的中国公民和组织。', 'type': 0 } resp = requests.post(url, data=json.dumps(body), headers=header) print(resp.json()) if __name__ == '__main__': nlp_demo() Java语言请求代码示例（生成文本摘要，长度限制为0.3） import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.HttpURLConnection; import java.net.URL; /** * 此demo仅供测试使用，建议使用sdk */ public class NLPDemo { public void nlpDemo() { try { //endpoint和projectId需要替换成实际信息。 URL url = new URL("https://{endpoint}/v1/{project_id}/nlg/summarization/domain"); String token = "对应region的token"; HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setDoInput(true); connection.setDoOutput(true); connection.addRequestProperty("Content-Type", "application/json"); connection.addRequestProperty("X-Auth-Token", token); //输入参数 String title = "小德3-0费德勒首进澳网决赛 天王遭遇08年首败"; String content = "搜狐体育讯 北京时间1月25日,2008年首项大满贯赛事--澳大利亚网球公开赛进入第12日角逐。在罗德-拉沃尔球场进行的男单第二场半决赛争夺中,大赛3号种子、塞尔维亚天才少年德约科维奇出人意料的直落三盘,以总比分3-0横扫大赛头号种子、瑞士天王费德勒,职业生涯首进澳网男单决赛,同时这也是德约科维奇第二次杀入大满贯赛事男单决赛。三盘的具体比分为7-5、6-3和7-6(5)。费德勒无缘卫冕,这是瑞士天王在2008年输掉的首场比赛,也是他自从2005年法网之后,首度无缘大满贯赛事男单决赛;瑞士天王在墨尔本的19连胜就此终结。德约科维奇在男单决赛中的对手将是法国黑人小将特松加。您认为费天王失利的原因是什么?作为世界头号选手,以及三届澳网冠军,费德勒这两年在墨尔本的表现相当不错。本届澳网,费德勒的状态很一般,特别是第三轮他经过五盘苦战才力擒塞尔维亚眼镜侠提普萨勒维奇。在此之前,费德勒连续10项大满贯闯入决赛;连续15项大满贯晋级四强。德约科维奇已经创下个人在澳网的最佳战绩,这位塞尔维亚天才少年渴望连续第二年挺进大满贯赛事男单决赛。在此之前,费德勒与德约科维奇总共有过六次交锋。"; String body = "{\"title\":\"" + title + "\",\"content\":\"" + content + "\",\"length_limit\":0.3,\"lang\": \"zh\",\"type\": 0}"; OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8"); osw.append(body); osw.flush(); InputStream is = connection.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8")); while (br.ready()) { System.out.println(br.readLine()); } } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) { NLPDemo nlpDemo = new NLPDemo(); nlpDemo.nlpDemo(); } }

响应示例 成功响应示例 { "summary" : "华为刀片式基站解决方案是华为在深入理解客户诉求基础上，引领业界的创新解决方案。该方案采用统一的模块化设计，实现基站主要元素如射频、基带、电源、电池、微波、传输的刀片化，不同模块间的任意快速拼装组合无缝拼装，能灵活安装在抱杆，铁塔，墙面或者屋顶，“0”站址无需机房机柜，使基站的安装像拼装乐高积木一样简单便捷。刀片式基站同时支持2G/3G/4G等多制式，在多频多模网络发展策略下可以高效利用宝贵的站点资源，大幅降低站点获取难度和减少站点租金，帮助运营商应对移动网络快速增长的容量需求。该奖项授予在技术研究、技术开发、技术创新、推广应用先进科学技术成果、促进高新技术产业化，以及完成重大科学技术工程、计划等过程中做出创造性贡献的中国公民和组织。" } 失败响应示例 { "error_code": "NLP.3104", "error_msg": "content is empty." }

响应消息 响应参数如表3所示。 表3 响应参数 参数名 参数类型 说明 named_entities Array of named_entity objects 命名实体识别结果。 请参见表4。 error_code String 调用失败时的错误码，具体参见错误码。 调用成功时无此字段。 error_msg String 调用失败时的错误信息。 调用成功时无此字段。 表4 named_entity数据结构说明 参数名 参数类型 说明 word String 实体文本。 tag String 实体类型，枚举类型。 中文支持人名“nr”，地名“ns”，机构名“nt”，时间“t”。 英文支持人名“per”，地名“loc”，机构名“org”，时间“t”。 西班牙文支持人名“per”，地名“loc”，机构名“org”，时间“t”。 offset Integer 实体文本在待分析文本中的起始位置。 len Integer 实体文本长度。

响应示例 成功响应示例 { "named_entities": [ { "word": "昨天", "tag": "t", "offset": 0, "len": 2 }, { "word": "李小明", "tag": "nr", "offset": 5, "len": 3 }, { "word": "北京", "tag": "ns", "offset": 10, "len": 2 } ] } 失败响应示例 { "error_code": "NLP.0301", "error_msg": "The length of text should be in the range of 1-2000." }

请求示例 请求示例（识别分析命名实体） POST https://{endpoint}/v1/{project_id}/nlp-fundamental/ner Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... Request Body: { "text":"昨天程序员李小明来到北京参加开发者大赛，在比赛中表现优异，赢得了第一名。", "lang":"zh" } Python3语言请求代码示例（识别分析命名实体） # -*- coding: utf-8 -*- # 此demo仅供测试使用，建议使用sdk。需提前安装requests，执行pip install requests import requests import json def nlp_demo(): url = 'https://{endpoint}/v1/{project_id}/nlp-fundamental/ner' # endpoint和project_id需替换 token = '用户对应region的token' header = { 'Content-Type': 'application/json', 'X-Auth-Token': token } body = { 'text': '昨天程序员李小明来到北京参加开发者大赛，在比赛中表现优异，赢得了第一名。', 'lang': 'zh' } resp = requests.post(url, data=json.dumps(body), headers=header) print(resp.json()) if __name__ == '__main__': nlp_demo() Java语言请求代码示例（识别分析命名实体） import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.HttpURLConnection; import java.net.URL; /** * 此demo仅供测试使用，建议使用sdk */ public class NLPDemo { public void nlpDemo() { try { //endpoint和projectId需要替换成实际信息。 URL url = new URL("https://{endpoint}/v1/{project_id}/nlp-fundamental/ner"); String token = "对应region的token"; HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setDoInput(true); connection.setDoOutput(true); connection.addRequestProperty("Content-Type", "application/json"); connection.addRequestProperty("X-Auth-Token", token); //输入参数 String text = "昨天程序员李小明来到北京参加开发者大赛，在比赛中表现优异，赢得了第一名。"; String body = "{\"text\":\"" + text + "\",\"lang\":\"zh\"}"; OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8"); osw.append(body); osw.flush(); InputStream is = connection.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8")); while (br.ready()) { System.out.println(br.readLine()); } } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) { NLPDemo nlpDemo = new NLPDemo(); nlpDemo.nlpDemo(); } }

响应示例 成功响应示例 { "summary" : "华为刀片式基站解决方案是华为在深入理解客户诉求基础上，指引业界的创新解决方案。自2012年推出以来，刀片式基站全球累计已发货超1500万片，在全球超过170个国家310张运营商网络中成功商用部署。在5G时代，华为围绕客户需求持续创新，在2018全球移动宽带论坛上，华为亦推出Super Blade Site——面向5G全室外站解决方案，其中包含最新支持5G容量要求的室外基带单元Blade BBU和有源天线一体化产品Blade AAU，该解决方案进一步匹配5G的新技术要求和容量要求，极大降低5G引入对天面空间的需求，加速Massive MIMO部署，帮助运营商布局5G网络。华为Super Blade Site在2018全球移动宽带论坛上展出华为无线网络研发总裁郦舟剑表示，“华为一直致力于围绕客户需求持续创新，刀片式基站就是典型的例子。”国家科学技术进步奖，是国务院设立的国家科学技术奖5大奖项（国家最高科学技术奖、国家自然科学奖、国家技术发明奖、国家科学技术进步奖、国际科学技术合作奖）之一。" } 失败响应示例 { "error_code": "NLP.3201", "error_msg": "parameter error." }

请求示例 请求示例（生成文本摘要，长度限制为0.3） Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... //用户认证获取的token值，获取方法详细请参考“如何调用API”章节中的“认证鉴权”页面。 Request Body: { "length_limit":0.3, "title":"华为“刀片式基站”获2018年度国家科学技术进步奖一等奖", "lang": "zh", "content": "华为刀片式基站解决方案是华为在深入理解客户诉求基础上，指引业界的创新解决方案。该方案采用统一的模块化设计，实现基站主要元素如射频、基带、电源、电池、微波、传输的刀片化，不同模块间的任意快速拼装组合无缝拼装，能灵活安装在抱杆，铁塔，墙面或者屋顶，“0”站址无需机房机柜，使基站的安装像拼装乐高积木一样简单便捷。刀片式基站同时支持2G/3G/4G等多制式，在多频多模网络发展策略下可以高效利用宝贵的站点资源，大幅降低站点获取难度和减少站点租金，帮助运营商应对移动网络快速增长的容量需求。同时刀片式基站采用自然散热，满足室外55℃高温环境，IP65防护等级，无需机房机柜和空调，其高能效和环境友好的特性，帮助运营商打造绿色移动网络。自2012年推出以来，刀片式基站全球累计已发货超1500万片，在全球超过170个国家310张运营商网络中成功商用部署。全球客户高度肯定了华为创新刀片式基站解决方案，它不但打破了传统机柜站点占地面积大、运维复杂的建站模式，而且还有效地提高了站点的部署效率，特别在密集城区、高铁场景下解决站点空间受限、实现快速部署、降低租赁成本等方面效果显著，同时也为乡村广覆盖场景提供最简单站点方案。在5G时代，华为围绕客户需求持续创新，在2018全球移动宽带论坛上，华为亦推出Super Blade Site——面向5G全室外站解决方案，其中包含最新支持5G容量要求的室外基带单元Blade BBU和有源天线一体化产品Blade AAU，该解决方案进一步匹配5G的新技术要求和容量要求，极大降低5G引入对天面空间的需求，加速Massive MIMO部署，帮助运营商布局5G网络。华为Super Blade Site在2018全球移动宽带论坛上展出华为无线网络研发总裁郦舟剑表示，“华为一直致力于围绕客户需求持续创新，刀片式基站就是典型的例子。刀片式基站解决客户获取站址难题，帮助运营商快速建站，满足移动业务的迅猛增长的需求，也给客户带来商业成功。同时，面对即将到来的5G时代，华为持续创新，全室外刀片基站解决方案，将助力5G快速规模商用，帮助客户取得更大的商业成功。”国家科学技术进步奖，是国务院设立的国家科学技术奖5大奖项（国家最高科学技术奖、国家自然科学奖、国家技术发明奖、国家科学技术进步奖、国际科学技术合作奖）之一。该奖项授予在技术研究、技术开发、技术创新、推广应用先进科学技术成果、促进高新技术产业化，以及完成重大科学技术工程、计划等过程中做出创造性贡献的中国公民和组织。" } Python3语言请求代码示例（生成文本摘要，长度限制为0.3） # -*- coding: utf-8 -*- # 此demo仅供测试使用，建议使用sdk。需提前安装requests，执行pip install requests import requests import json def nlp_demo(): url = 'https://{endpoint}/v1/{project_id}/nlg/summarization' # endpoint和project_id需替换 token = '用户对应region的token' header = { 'Content-Type': 'application/json', 'X-Auth-Token': token } body = { 'length_limit': 0.3, 'title': '华为“刀片式基站”获2018年度国家科学技术进步奖一等奖', 'lang': 'zh', 'content': '华为刀片式基站解决方案是华为在深入理解客户诉求基础上，指引业界的创新解决方案。该方案采用统一的模块化设计，实现基站主要元素如射频、基带、电源、电池、微波、传输的刀片化，不同模块间的任意快速拼装组合无缝拼装，能灵活安装在抱杆，铁塔，墙面或者屋顶，“0”站址无需机房机柜，使基站的安装像拼装乐高积木一样简单便捷。刀片式基站同时支持2G/3G/4G等多制式，在多频多模网络发展策略下可以高效利用宝贵的站点资源，大幅降低站点获取难度和减少站点租金，帮助运营商应对移动网络快速增长的容量需求。同时刀片式基站采用自然散热，满足室外55℃高温环境，IP65防护等级，无需机房机柜和空调，其高能效和环境友好的特性，帮助运营商打造绿色移动网络。自2012年推出以来，刀片式基站全球累计已发货超1500万片，在全球超过170个国家310张运营商网络中成功商用部署。全球客户高度肯定了华为创新刀片式基站解决方案，它不但打破了传统机柜站点占地面积大、运维复杂的建站模式，而且还有效地提高了站点的部署效率，特别在密集城区、高铁场景下解决站点空间受限、实现快速部署、降低租赁成本等方面效果显著，同时也为乡村广覆盖场景提供最简单站点方案。在5G时代，华为围绕客户需求持续创新，在2018全球移动宽带论坛上，华为亦推出Super Blade Site——面向5G全室外站解决方案，其中包含最新支持5G容量要求的室外基带单元Blade BBU和有源天线一体化产品Blade AAU，该解决方案进一步匹配5G的新技术要求和容量要求，极大降低5G引入对天面空间的需求，加速Massive MIMO部署，帮助运营商布局5G网络。华为Super Blade Site在2018全球移动宽带论坛上展出华为无线网络研发总裁郦舟剑表示，“华为一直致力于围绕客户需求持续创新，刀片式基站就是典型的例子。刀片式基站解决客户获取站址难题，帮助运营商快速建站，满足移动业务的迅猛增长的需求，也给客户带来商业成功。同时，面对即将到来的5G时代，华为持续创新，全室外刀片基站解决方案，将助力5G快速规模商用，帮助客户取得更大的商业成功。”国家科学技术进步奖，是国务院设立的国家科学技术奖5大奖项（国家最高科学技术奖、国家自然科学奖、国家技术发明奖、国家科学技术进步奖、国际科学技术合作奖）之一。该奖项授予在技术研究、技术开发、技术创新、推广应用先进科学技术成果、促进高新技术产业化，以及完成重大科学技术工程、计划等过程中做出创造性贡献的中国公民和组织。' } resp = requests.post(url, data=json.dumps(body), headers=header) print(resp.json()) if __name__ == '__main__': nlp_demo() Java语言请求代码示例（生成文本摘要，长度限制为0.3） import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.HttpURLConnection; import java.net.URL; /** * 此demo仅供测试使用，建议使用sdk */ public class NLPDemo { public void nlpDemo() { try { //endpoint和projectId需要替换成实际信息。 URL url = new URL("https://{endpoint}/v1/{project_id}/nlg/summarization"); String token = "对应region的token"; HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setDoInput(true); connection.setDoOutput(true); connection.addRequestProperty("Content-Type", "application/json"); connection.addRequestProperty("X-Auth-Token", token); //输入参数 String title = "小德3-0费德勒首进澳网决赛 天王遭遇08年首败"; String content = "搜狐体育讯 北京时间1月25日,2008年首项大满贯赛事--澳大利亚网球公开赛进入第12日角逐。在罗德-拉沃尔球场进行的男单第二场半决赛争夺中,大赛3号种子、塞尔维亚天才少年德约科维奇出人意料的直落三盘,以总比分3-0横扫大赛头号种子、瑞士天王费德勒,职业生涯首进澳网男单决赛,同时这也是德约科维奇第二次杀入大满贯赛事男单决赛。三盘的具体比分为7-5、6-3和7-6(5)。费德勒无缘卫冕,这是瑞士天王在2008年输掉的首场比赛,也是他自从2005年法网之后,首度无缘大满贯赛事男单决赛;瑞士天王在墨尔本的19连胜就此终结。德约科维奇在男单决赛中的对手将是法国黑人小将特松加。您认为费天王失利的原因是什么?作为世界头号选手,以及三届澳网冠军,费德勒这两年在墨尔本的表现相当不错。本届澳网,费德勒的状态很一般,特别是第三轮他经过五盘苦战才力擒塞尔维亚眼镜侠提普萨勒维奇。在此之前,费德勒连续10项大满贯闯入决赛;连续15项大满贯晋级四强。德约科维奇已经创下个人在澳网的最佳战绩,这位塞尔维亚天才少年渴望连续第二年挺进大满贯赛事男单决赛。在此之前,费德勒与德约科维奇总共有过六次交锋。"; String body = "{\"title\":\"" + title + "\",\"content\":\"" + content + "\",\"length_limit\":0.3,\"lang\": \"zh\"}"; OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8"); osw.append(body); osw.flush(); InputStream is = connection.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8")); while (br.ready()) { System.out.println(br.readLine()); } } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) { NLPDemo nlpDemo = new NLPDemo(); nlpDemo.nlpDemo(); } }

响应消息 响应参数如表 响应参数所示。 表3 响应参数 参数名 参数类型 说明 tree String 成分句法分析结果，用嵌套括号的形式表示一棵树。括号内的第一个元素为子树的标签，若是叶子节点则用"_"代替。第二个元素为子树，若是叶子节点则为字符串。 error_code String 调用失败时的错误码，具体参见6.2 错误码。 调用成功时无此字段。 error_msg String 调用失败时的错误信息。 调用成功时无此字段。 表4 成分标签说明 成分标签 说明 ADJP adjective phrase（形容词短语） ADVP adverbial phrase headed by AD（副词开头的副词短语） CLP classifier phrase（量词短语） CP clause headed by complementizer（补语性嵌套句的从属连词引起的分句） DNP phrase formed by “XP+DEG”（XP+DEG结构构成的短语） DP determiner phrase（限定词短语） DVP phrase formed by“XP+DEV”（XP+DEV结构构成的短语） FRAG fragment（片段语） INTJ interjection（感叹词） IP simple clause headed by INFL （INFL为开头的简单从句） LCP phrase formed by “XP+LC”（XP+LC结构构成的短语） LST list marker（用于解释说明性的列表标记短语) NP noun phrase（名词短语） PP preposition phrase（介词短语） PRN parenthetical（插入语） QP quantifier phrase（量词短语） UCP unidentical coordination phrase（非一致性并列短语） VCD coordinated verb compound（并列动词复合词） VCP verb compounds formed by“VV+VC”（VV+VC结构构成的动词复合词） VNV verb compounds formed by“A-not-A” or “A-one-A”（A-not-A或A-one-A结构构成的动词复合词） VP verb phrase（动词短语） VPT potential form V-de-R or V-bu-R（构成V-的-R或V-不-R的动词复合词） VRD verb resultative compound（动词结果性复合词） VSB verb compounds formed by a modifier + a head（定语+核心词构成的动词复合词） WHPP wh-prepositional phrase（wh开头的介词短语）

请求示例 请求示例（分析"张三买电脑"的成分句法） POST https://{endpoint}/v1/{project_id}/nlp-fundamental/constituency-parser Request Header: Content-Type: application/json X-Auth-Token: MIIFbwYJKoZIhvcNAQcCoIIFYDCCBVwCAQExDTALBglghkgBZQMEAgEwggNBgkqhkiG9... Request Body: { "text":"张三买电脑", "lang":"zh" } Python3语言请求代码示例（分析"张三买电脑"的成分句法） # -*- coding: utf-8 -*- # 此demo仅供测试使用，建议使用sdk。需提前安装requests，执行pip install requests import requests import json def nlp_demo(): url = 'https://{endpoint}/v1/{project_id}/nlp-fundamental/constituency-parser' # endpoint和project_id需替换 token = '用户对应region的token' header = { 'Content-Type': 'application/json', 'X-Auth-Token': token } body = { 'text': '张三买电脑', 'lang': 'zh' } resp = requests.post(url, data=json.dumps(body), headers=header) print(resp.json()) if __name__ == '__main__': nlp_demo() Java语言请求代码示例（分析"张三买电脑"的成分句法） import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.HttpURLConnection; import java.net.URL; /** * 此demo仅供测试使用，建议使用sdk */ public class NLPDemo { public void nlpDemo() { try { //endpoint和projectId需要替换成实际信息。 URL url = new URL("https://{endpoint}/v1/{project_id}/nlp-fundamental/constituency-parser"); String token = "对应region的token"; HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setDoInput(true); connection.setDoOutput(true); connection.addRequestProperty("Content-Type", "application/json"); connection.addRequestProperty("X-Auth-Token", token); //输入参数 String text = "张三买电脑"; String body = "{\"text\":\"" + text + "\",\"lang\":\"zh\"}"; OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8"); osw.append(body); osw.flush(); InputStream is = connection.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8")); while (br.ready()) { System.out.println(br.readLine()); } } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) { NLPDemo nlpDemo = new NLPDemo(); nlpDemo.nlpDemo(); } }

请求示例 请求示例（抽取事件） POST https://{endpoint}/v1/{project_id}/nlp-fundamental/event-extraction Request Header: Content-Type: application/json X-Auth-Token: MIINRwYJKoZIhvcNAQcCoIINODCCDTQCAQExDTALBglghkgBZQMEAgEwgguVBgkqhkiG... Request Body: { "text":"中国XXX股份有限公司（以下简称“公司”）第五届董事会第一次会议上，同意选举董事黄XX为审计委员会委员。审计委员会任期与本届董事会任期一致" } Python3语言请求代码示例（抽取事件） # -*- coding: utf-8 -*- # 此demo仅供测试使用，建议使用sdk。需提前安装requests，执行pip install requests import requests import json def nlp_demo(): url = 'https://{endpoint}/v1/{project_id}/nlp-fundamental/event-extraction' # endpoint和project_id需替换 token = '用户对应region的token' header = { 'Content-Type': 'application/json', 'X-Auth-Token': token } body = { 'text': '中国XXX股份有限公司（以下简称“公司”）第五届董事会第一次会议上，同意选举董事黄XX为审计委员会委员。审计委员会任期与本届董事会任期一致' } resp = requests.post(url, data=json.dumps(body), headers=header) print(resp.json()) if __name__ == '__main__': nlp_demo() Java语言请求代码示例（抽取事件） import java.io.BufferedReader; import java.io.InputStream; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.net.HttpURLConnection; import java.net.URL; /** * 此demo仅供测试使用，建议使用sdk */ public class NLPDemo { public void nlpDemo() { try { //endpoint和projectId需要替换成实际信息。 URL url = new URL("https://{endpoint}/v1/{project_id}/nlp-fundamental/event-extraction"); String token = "对应region的token"; HttpURLConnection connection = (HttpURLConnection) url.openConnection(); connection.setRequestMethod("POST"); connection.setDoInput(true); connection.setDoOutput(true); connection.addRequestProperty("Content-Type", "application/json"); connection.addRequestProperty("X-Auth-Token", token); //输入参数 String text = "中国XXX股份有限公司（以下简称“公司”）第五届董事会第一次会议上，同意选举董事黄XX为审计委员会委员。审计委员会任期与本届董事会任期一致"; String body = "{\"text\":\"" + text + "\"}"; OutputStreamWriter osw = new OutputStreamWriter(connection.getOutputStream(), "UTF-8"); osw.append(body); osw.flush(); InputStream is = connection.getInputStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8")); while (br.ready()) { System.out.println(br.readLine()); } } catch (Exception e) { e.printStackTrace(); } } public static void main(String[] args) { NLPDemo nlpDemo = new NLPDemo(); nlpDemo.nlpDemo(); } }