自然语言处理预训练模型招标中标信息抽取-高级版服务 Quick Start

本文涉及的产品
NLP自然语言处理_基础版,每接口每天50万次
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_高级版,每接口累计50万次
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。可用于搭建内容搜索、内容推荐、舆情识别及分析、文本结构化、对话机器人等智能产品。NLP自学习平台提供了一些预训练的特定领域模型服务。例如:商品评价解析服务、新闻层次分类服务、中文简历抽取、英文简历抽取等,且无需自主标注训练,直接调用API即可使用。本文将使用Java SDK演示招标中标信息抽取-高级版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  招标中标信息抽取—高级版服务
public class Demo5 {
    public static void main(String[] args) throws ClientException{
        DefaultProfile defaultProfile = DefaultProfile.getProfile("cn-hangzhou","XXXXXXXXXX","XXXXXXXXXX");
        IAcsClient client = new DefaultAcsClient(defaultProfile);
        String content = "2021年试油公司塔河油田井口、采油树试压作业招标第二次公告\n" +
                "招标编号:SYGS-ZB2021038\n" +
                "一、招标条件:\n" +
                "本项目已按要求履行了相关报批及备案等手续,资金已落实,具备招标条件,现对其进行公开招标。\n" +
                "二、项目概况:\n" +
                "1.项目背景:\n" +
                "2021年中石化西北油田分公司塔河油田完井测试中心决定将公司试油过程中配合作业的特车作业、打防火墙、硫化氢处理、废液运输和采油树试压等一体化施工,交由公司总包。年试油井50井次,预计一体化施工产值600万元,其中井口、采油树等试压作业项目资金预算49万元,项目履行期限:自合同签订之日起至2021年12月31日。\n" +
                "1. 1招标范围:\n" +
                "1.1.1确定井口试压、140MPA采油(气)树和采油机抽井口现场试压、现场试压数据采集所需要的设备和人员的服务价格。\n" +
                "1.2 服务区域:试油公司南疆塔河油田所属作业区域。\n" +
                "1.3 项目预计金额:49万元人民币,含税。\n" +
                "1.4 标段划分:本项目不划分标段。\n" +
                "1.5 招标结果有效期:自合同签订之日起至2021年12月31日。\n" +
                "2. 服务要求:\n" +
                "2.1服务技术要求:\n" +
                "2.1.1、施工队伍持有中石化油田分公司相应市场准入证;\n" +
                "2.1.2具有井口试压、140MPA采油(气)树和采油机抽井口现场试压、现场试压数据采集所需要的设备和人员。\n" +
                "2.1.3应当以自己的设备和人员施工,不得分包、转包。\n" +
                "三、投标人资质要求\n" +
                "1.具有独立的企业法人资格和有效的营业执照(经营范围须包括相关技术服务);\n" +
                "2.投标人须具备有效的中石化市场准入证(中石化西北油分公司市场信息系统),范围须包含本项目相关服务内容;\n" +
                "3.本次招标不接受联合体投标;\n" +
                "4.投标人近三年无严重违法、违规事项,无骗取中标情况,无重大质量、安全问题。以下列平台的查询结果和相关部门的证明材料为准。\n" +
                "(1)国家工商总局的《全国企业信用信息公示系统》“行政处罚信息”和“严重违法失信企业名单”中查询,查询网址是:http://www.gsxt.gov.cn/。\n" +
                "(2)中华人民共和国最高人民法院《全国法院失信被执行人名单信息公布与查询》平台公布信息为准;查询网址是:http://shixin.court.gov.cn/。\n" +
                "四、招标文件的获取\n" +
                "招标文件发售期为:2021年3月10日10:00至2021年3月14日19:00。持单位法人授权委托书、购买标书登记表(表格见公告附表)持单位法人授权委托书、购买标书登记表在库尔勒市建国北路3号综合办公楼304室购买招标文件,每套售价500 元(注:需通过银行汇款,款项来源填写试油公司XXX项目,每月24日-31日不接受汇款。)\n" +
                "名 称:中国石油集团西部钻探工程有限公司\n" +
                "纳税人识别号:91650******327257J\n" +
                "地址.电话:克拉玛依市友谊路115号(试油公司)0001**-756****\n" +
                "开户行账号:昆仑银行股份有限公司克拉玛依友谊路支行8820200******0000088\n" +
                "五、投标文件的递交\n" +
                "1、投标文件递交截止时间: 2021年3月31日下午16:00(北京时间)。\n" +
                "2、投标文件递交方式:开标现场递交纸质投标文件正本一份4副(电子版标书光盘1张)。\n" +
                "六、开标\n" +
                "1.开标时间:2021年3月31日 下午16:00\n" +
                "2.开标地点:克拉玛依市友谊路115号试油公司办公楼A2-701会议室\n" +
                "七、招标人信息\n" +
                "招标人:西部钻探工程有限公司试油公司\n" +
                "地 址:克拉玛依市友谊路115号\n" +
                "联系人:段某某\n" +
                "电 话:00**-222**** 136********";
        RunPreTrainServiceRequest request = new RunPreTrainServiceRequest();
        request.setServiceName("NER-ZhaoBiao");
        request.setPredictContent(content);
        RunPreTrainServiceResponse response = client.getAcsResponse(request);
        System.out.println(response.getPredictResult());
    }






}

3.测试结果

{"records":{"招标单位名称":[{"span":"西部钻探工程有限公司试油公司"},{"span":"中国石油集团西部钻探工程有限公司"},{"span":"2021年中石化西北油田分公司塔河油田完井测试中心"}],"工期":[{"span":"自合同签订之日起至2021年12月31日"}],"开标日期":[{"span":"2021-03-31"}],"招标单位地址":[{"span":"克拉玛依市友谊路115号"}],"公告标题":[{"span":"2021年试油公司塔河油田井口、采油树试压作业招标第二次公告"}],"资格要求":[{"span":"具有独立的企业法人资格和有效的营业执照(经营范围须包括相关技术服务)"},{"span":"投标人须具备有效的中石化市场准入证(中石化西北油分公司市场信息系统),范围须包含本项目相关服务内容"},{"span":"本次招标不接受联合体投标"}],"招标单位联系电话":[{"span":"00**-222****"}],"项目预算":[{"span":"490000.00元"}],"标的物名称":[{"span":"特车作业"},{"span":"硫化氢处理"},{"span":"废液运输"},{"span":"采油树试压"}],"项目编号":[{"span":"SYGS-ZB2021038"}],"招标范围":[{"span":"1.1.1确定井口试压、140MPA采油(气)树和采油机抽井口现场试压、现场试压数据采集所需要的设备和人员的服务价格"}],"招标单位联系人":[{"span":"段某某"}]}}

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
招标中标信息抽取-高级版服务
阿里云自然语言处理PHP Core SDK使用Quick Start

目录
相关文章
|
4天前
|
自然语言处理
通用模型在自然语言处理方面的表现
通用模型在自然语言处理方面的表现
|
12天前
|
机器学习/深度学习 自然语言处理 TensorFlow
使用Python实现深度学习模型:文本生成与自然语言处理
【7月更文挑战第14天】 使用Python实现深度学习模型:文本生成与自然语言处理
39 12
|
6天前
|
机器学习/深度学习 自然语言处理 机器人
使用Python实现深度学习模型:自然语言理解与问答系统
【7月更文挑战第20天】 使用Python实现深度学习模型:自然语言理解与问答系统
16 0
使用Python实现深度学习模型:自然语言理解与问答系统
|
8天前
|
自然语言处理 程序员
大模型与之前的NLP技术有什么显著差别
大模型与之前的NLP技术有什么显著差别
|
13天前
|
自然语言处理 PyTorch API
`transformers`库是Hugging Face提供的一个开源库,它包含了大量的预训练模型和方便的API,用于自然语言处理(NLP)任务。在文本生成任务中,`transformers`库提供了许多预训练的生成模型,如GPT系列、T5、BART等。这些模型可以通过`pipeline()`函数方便地加载和使用,而`generate()`函数则是用于生成文本的核心函数。
`transformers`库是Hugging Face提供的一个开源库,它包含了大量的预训练模型和方便的API,用于自然语言处理(NLP)任务。在文本生成任务中,`transformers`库提供了许多预训练的生成模型,如GPT系列、T5、BART等。这些模型可以通过`pipeline()`函数方便地加载和使用,而`generate()`函数则是用于生成文本的核心函数。
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习在自然语言处理中的应用与挑战
本文深入探讨了深度学习技术在自然语言处理(NLP)领域的应用及其所面临的挑战。通过分析深度学习模型如循环神经网络(RNN)、长短期记忆网络(LSTM)和Transformer架构,本文揭示了这些模型如何促进语言理解、机器翻译、情感分析和文本生成等任务的进步。同时,文章也指出了数据偏差、模型可解释性不足以及资源消耗等关键挑战,并提出了未来研究的方向。
21 3
|
3天前
|
机器学习/深度学习 自然语言处理 开发者
深度学习在自然语言处理中的应用与挑战
随着人工智能技术的快速发展,深度学习已成为自然语言处理(NLP)领域的核心动力。本文将探讨深度学习模型如何革新了语言理解、机器翻译和情感分析等NLP任务,并讨论在实现更高水平的语言智能方面所面临的数据偏差、模型泛化能力和伦理问题等挑战。通过案例分析和最新研究趋势的回顾,本文旨在为读者提供深度学习在NLP领域的应用全景及其未来发展的可能性。
11 1
|
1天前
|
自然语言处理 监控 自动驾驶
大模型在自然语言处理(NLP)、计算机视觉(CV)和多模态模型等领域应用最广
【7月更文挑战第26天】大模型在自然语言处理(NLP)、计算机视觉(CV)和多模态模型等领域应用最广
21 11
|
2天前
|
机器学习/深度学习 自然语言处理 语音技术
深度学习在自然语言处理中的应用与挑战
【7月更文挑战第25天】随着人工智能技术的飞速发展,深度学习已经成为解决复杂问题的重要工具。特别是在自然语言处理(NLP)领域,深度学习技术的应用已经取得了显著的进展。本文将探讨深度学习在NLP中的主要应用场景、面临的挑战以及未来的发展方向。
|
1天前
|
机器学习/深度学习 自然语言处理
深度学习在自然语言处理中的应用与挑战
【7月更文挑战第26天】随着人工智能技术的飞速发展,深度学习已成为推动自然语言处理(NLP)领域革新的核心力量。本文将探讨深度学习如何改变NLP的研究和应用面貌,包括它在文本分类、机器翻译和情感分析等方面的应用,以及面临的数据偏差、模型可解释性和资源消耗等挑战。