语言处理技术

    对话情绪识别

    对话情绪识别接口

    接口描述

    针对用户日常沟通文本背后所蕴含情绪的一种直观检测,可自动识别出当前会话者所表现出的一级和二级细分情绪类别及其置信度,针对正面和负面的情绪,还可给出参考回复话术。帮助企业更全面地把握产品服务质量、监控客户服务质量。在自动监控中如果发现有负面情绪出现,可以及时介入人工处理,帮助在有限的人工客服条件下,降低客户流失。

    请求说明

    请求示例

    HTTP方法: POST

    请求URL: https://aip.baidubce.com/rpc/2.0/nlp/v1/emotion

    URL参数:

    参数
    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
    Content-Type application/json

    Body请求示例:

    {
        "scene":"talk",
        "text": "本来今天高高兴兴"
    }

    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 类型 是否必选 描述
    text string 待识别情感文本,输入限制512字节
    scene string default(默认项-不区分场景),talk(闲聊对话-如度秘聊天等),task(任务型对话-如导航对话等),customer_service(客服对话-如电信/银行客服等)

    返回参数

    参数 说明 描述
    log_id uint64 请求唯一标识码
    text string 输入的对话文本内容
    items list 分析结果数组
    ++label string 情绪一级分类标签;pessimistic(负向情绪)、neutral(中性情绪)、optimistic(正向情绪)
    ++prob double 情绪一级分类标签对应的概率
    ++subitems double 二级分析结果数组
    +++label string 情绪二级分类标签;客服模型正向(thankful感谢、happy愉快)、客服模型负向(complaining抱怨、angry愤怒);闲聊模型正向(like喜爱、happy愉快)、闲聊模型负向(angry愤怒、disgusting厌恶、fearful恐惧、sad悲伤)
    +++prob double 情绪二级分类标签对应的概率
    +++replies array of string 参考回复话术,中性情绪下该项为空

    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

    返回示例

    {
        "log_id": 4258005459150262970,
        "text":"你真棒",
        "items":[
            {
                "prob":0.97848,
                "label":"optimistic",
                "subitems":[
                    {
                        "prob":0.656986,
                        "label":"like"
    					"replies":[
                        "谢谢,我很开心"
                        ]
                    }
    			]
            },
        ]
    }
    上一篇
    情感倾向分析
    下一篇
    多实体情感倾向分析