自然语言处理预训练模型在线客服场景客户咨询解析 Quick Start

本文涉及的产品
NLP自然语言处理_高级版,每接口累计50万次
NLP自然语言处理_基础版,每接口每天50万次
云解析DNS,个人版 1个月
简介: 自然语言处理(Natural Language Processing,简称NLP),是为各类企业及开发者提供的用于文本分析及挖掘的核心工具,旨在帮助用户高效的处理文本,已经广泛应用在电商、文娱、司法、公安、金融、医疗、电力等行业客户的多项业务中,取得了良好的效果。NLP自学习平台提供了一些预训练的特定领域模型服务。服务无需自主标注训练,直接调用API即可使用。在线客服场景客户咨询解析服务适用于针对电商等行业的客服-消费者在线聊天场景,解析消费者说话内容,得到消费者意图、情感、情绪、关注点、细粒度情感等结果。本文将使用Java SDK演示在线客服场景客户咨询解析服务的快速调用,以供参考。

使用前提:服务开通与资源包购买

操作步骤:

1.添加pom依赖

   <dependency>
            <groupId>com.aliyun</groupId>
            <artifactId>aliyun-java-sdk-core</artifactId>
            <version>4.5.25</version>
        </dependency>
        <dependency>
            <groupId>com.aliyun</groupId>
            <artifactId>aliyun-java-sdk-nlp-automl</artifactId>
            <version>0.0.5</version>
        </dependency>
        <dependency>
            <groupId>com.aliyun</groupId>
            <artifactId>aliyun-java-sdk-alinlp</artifactId>
            <version>1.0.16</version>
       </dependency>

2.Code Sample

import com.aliyuncs.DefaultAcsClient;
import com.aliyuncs.IAcsClient;
import com.aliyuncs.exceptions.ClientException;
import com.aliyuncs.nlp_automl.model.v20191111.RunPreTrainServiceRequest;
import com.aliyuncs.nlp_automl.model.v20191111.RunPreTrainServiceResponse;
import com.aliyuncs.profile.DefaultProfile;
import com.google.gson.Gson;

import java.util.HashMap;
import java.util.Map;


//预训练模型  在线客服场景客户咨询解析使用示例
public class Demo3 {
    public static void main(String[] args) throws ClientException{
        DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou","XXXXXXXXXX","XXXXXXXXXX");
        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));
        request.setPredictContent(new Gson().toJson(map));
        RunPreTrainServiceResponse response = client.getAcsResponse(request);
        System.out.println(response.getPredictResult());
    }
}


3.测试结果

{"sentiment":{"score":1.0,"key":"负"},"emotion":{"score":0.4929790198802948,"key":"抱怨"},"aspectItem":[{"aspectPolarity":"负","terms":[{"aspectTerm":"服务态度","opinionTerm":"不好"}],"positiveProb":0.0,"aspectCategory":"客服-服务","negativeProb":1.0}],"category":{"score":0.45799994468688965,"key":"其他类-其他"},"intent":{"score":0.7565186023712158,"key":"无"}}

更多参考

快速入门-模型服务调用流程
预训练模型使用教程
在线客服场景客户咨询解析
阿里云自然语言处理PHP Core SDK使用Quick Start

目录
相关文章
|
23天前
|
SQL 算法 数据挖掘
深入解析力扣183题:从不订购的客户(LEFT JOIN与子查询方法详解)
深入解析力扣183题:从不订购的客户(LEFT JOIN与子查询方法详解)
|
6天前
|
存储 关系型数据库 MySQL
深入探索MySQL:成本模型解析与查询性能优化
深入探索MySQL:成本模型解析与查询性能优化
|
14天前
|
机器学习/深度学习 文字识别 算法
多模态大模型在文档处理的实例解析
多模态大模型在文档处理的实例解析
32 0
|
15天前
|
机器学习/深度学习 自然语言处理 搜索推荐
自然语言处理在智能客服系统中的应用
自然语言处理在智能客服系统中的应用
22 0
|
2月前
|
人工智能 自动驾驶 机器人
Sora是世界模拟器吗?全球首篇综述全面解析通用世界模型
【5月更文挑战第23天】Sora模型是通用世界模拟器的里程碑,展示出在物理法则理解及多领域应用的潜力,尤其在视频生成和自动驾驶中。然而,它仍面临预测能力、模拟复杂物理现象、计算效率及评估体系的挑战。未来研究将聚焦3D模拟、智能体现和安全问题,旨在提升机器对物理世界的理解和适应性,同时应对信息失真、偏见和隐私问题。[论文链接](https://arxiv.org/abs/2405.03520)
49 2
|
2月前
|
机器学习/深度学习 数据采集 算法
利用机器学习进行客户细分的技术解析
【5月更文挑战第17天】运用机器学习进行客户细分是提升企业精准营销和竞争力的关键。通过聚类分析、决策树、支持向量机和神经网络等算法,可深入理解客户需求和偏好。关键步骤包括数据收集预处理、特征选择、模型训练与优化,最终实现客户群体的精准划分,助力定制个性化营销策略。随着技术发展,机器学习在客户细分中的应用将更加广泛。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【AI 场景】人工智能在自然语言理解方面的挑战和解决方案
【5月更文挑战第3天】【AI 场景】人工智能在自然语言理解方面的挑战和解决方案
|
2月前
|
XML JavaScript 数据格式
Beautiful Soup 库的工作原理基于解析器和 DOM(文档对象模型)树的概念
【5月更文挑战第10天】Beautiful Soup 使用解析器(如 html.parser, lxml, html5lib)解析HTML/XML文档,构建DOM树。它提供方法查询和操作DOM,如find(), find_all()查找元素,get_text(), get()提取信息。还能修改DOM,添加、修改或删除元素,并通过prettify()输出格式化字符串。它是处理网页数据的利器,尤其在处理不规则结构时。
48 2
|
2月前
|
机器学习/深度学习 自然语言处理
解析GPT-3、GPT-4和ChatGPT关系-迈向自然语言处理的新高度“
解析GPT-3、GPT-4和ChatGPT关系-迈向自然语言处理的新高度“
|
2月前
|
机器学习/深度学习 数据采集 人工智能
深度学习中的大模型「幻觉」问题:解析、原因及未来展望
深度学习中的大模型「幻觉」问题:解析、原因及未来展望
517 0

推荐镜像

更多