词法分析
更新时间：2023-04-09
词法分析接口
接口描述
词法分析：向用户提供分词、词性标注、专名识别三大功能；能够识别出文本串中的基本词汇（分词），对这些词汇进行重组、标注组合后词汇的词性，并进一步识别出命名实体。
在线调试
您可以在示例代码中心中调试该接口，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。
请求说明
请求示例
- HTTP方法:
POST - 请求URL:
https://aip.baidubce.com/rpc/2.0/nlp/v1/lexer - URL参数：
| 参数 | 值 |
|---|---|
| access_token | 通过API Key和Secret Key获取的access_token,参考“Access Token获取” |
- Header如下：
| 参数 | 值 |
|---|---|
| Content-Type | application/json |
-
body请求示例:
{ "text": "百度是一家高科技公司" }
请求格式
POST方式调用
注意：要求使用JSON格式的结构体来描述一个请求的具体内容。
body整体文本内容可以支持GBK和UTF-8两种格式的编码。
1、GBK支持：默认按GBK进行编码，输入内容为GBK编码，输出内容为GBK编码，否则会接口报错编码错误
2、UTF-8支持：若文本需要使用UTF-8编码，请在url参数中添加charset=UTF-8 （大小写敏感） 例如 https://aip.baidubce.com/rpc/2.0/nlp/v1/lexer?charset=UTF-8&access_token=24.f9ba9c5241b67688bb4adbed8bc91dec.2592000.1485570332.282335-8574074
请求参数
| 参数名称 | 类型 | 详细说明 |
|---|---|---|
| text | string | 待分析文本，长度不超过20000字节 |
返回格式
JSON格式
默认返回内容为GBK编码
若用户指定输入为UTF-8编码（通过指定charset参数），则返回内容为UTF-8编码
返回参数
| 参数名称 | 类型 | 必需 | 详细说明 |
|---|---|---|---|
| text | string | 是 | 原始单条请求文本 |
| items | array of objects | 是 | 词汇数组，每个元素对应结果中的一个词 |
| +item | string | 是 | 词汇的字符串 |
| +ne | string | 是 | 命名实体类型，命名实体识别算法使用。词性标注算法中，此项为空串 |
| +pos | string | 是 | 词性，词性标注算法使用。命名实体识别算法中，此项为空串 |
| +byte_offset | int | 是 | 在text中的字节级offset |
| +byte_length | int | 是 | 字节级length |
| +uri | string | 否 | 链指到知识库的URI，只对命名实体有效。对于非命名实体和链接不到知识库的命名实体，此项为空串 |
| +formal | string | 否 | 词汇的标准化表达，主要针对时间、数字单位，没有归一化表达的，此项为空串 |
| +basic_words | array of strings | 是 | 基本词成分 |
| +loc_details | array of objects | 否 | 地址成分，非必需，仅对地址型命名实体有效，没有地址成分的，此项为空数组。 |
| ++type | string | 是 | 成分类型，如省、市、区、县 |
| ++byte_offset | int | 是 | 在item中的字节级offset |
| ++byte_length | int | 是 | 字节级length |
返回示例
{
"text":"百度是一家高科技公司",
"items":[
{
"byte_length":4,
"byte_offset":0,
"formal":"",
"item":"百度",
"ne":"ORG",
"pos":"",
"uri":"",
"loc_details":[ ],
"basic_words":["百度"]
},
{
"byte_length":2,
"byte_offset":4,
"formal":"",
"item":"是",
"ne":"",
"pos":"v",
"uri":"",
"loc_details":[ ],
"basic_words":["是"]
},
{
"byte_length":4,
"byte_offset":6,
"formal":"",
"item":"一家",
"ne":"",
"pos":"m",
"uri":"",
"loc_details":[ ],
"basic_words":["一","家"]
},
{
"byte_length":6,
"byte_offset":10,
"formal":"",
"item":"高科技",
"ne":"",
"pos":"n",
"uri":"",
"loc_details":[ ],
"basic_words":["高","科技"]
},
{
"byte_length":4,
"byte_offset":16,
"formal":"",
"item":"公司",
"ne":"",
"pos":"n",
"uri":"",
"loc_details":[ ],
"basic_words":["公司"]
}
]
}词性缩略说明
| 词性 | 含义 | 词性 | 含义 | 词性 | 含义 | 词性 | 含义 |
|---|---|---|---|---|---|---|---|
| n | 普通名词 | f | 方位名词 | s | 处所名词 | t | 时间名词 |
| nr | 人名 | ns | 地名 | nt | 机构团体名 | nw | 作品名 |
| nz | 其他专名 | v | 普通动词 | vd | 动副词 | vn | 名动词 |
| a | 形容词 | ad | 副形词 | an | 名形词 | d | 副词 |
| m | 数量词 | q | 量词 | r | 代词 | p | 介词 |
| c | 连词 | u | 助词 | xc | 其他虚词 | w | 标点符号 |
专名识别缩略词含义
| 缩略词 | 含义 | 缩略词 | 含义 | 缩略词 | 含义 | 缩略词 | 含义 |
|---|---|---|---|---|---|---|---|
| PER | 人名 | LOC | 地名 | ORG | 机构名 | TIME | 时间 |