信息中心对话实体抽取API说明
- URL:
- METHOD:
- POST
- DATA:
- sessionId:对话的唯一标识
- ip:系统识别的客户发起对话地址
- fromTitle:客户发起对话的页面
- content:客户与咨询师的对话内容
- content是一个列表形式,列表的每一项都是一个字典,代表咨询师与客户的一次对话。
- 每个字典中一定且只包含”employee”和”customer”两个key,对应的value为对话内容。这里假定employee的对话时间一定发生在customer之前,若customer对话前employee无对话内容,则”employee”为空字符串””, 若customer在最后无对话内容,则”customer”为空字符串””。
- 如果一方消息人在连续发送消息,则每个消息以”¥”分割。
- DATA sample:
{
“sessionId”: “23243”,
“ip”: “中国 北京 北京”,
“fromTitle”: “公司C/C++与网络攻防设计官网-C/C++设计|C/C++与网络攻防设计机构”,
“content”: [
{“employee”: “你好,你是想了解哪个课程呢?¥还在么同学?”, “customer”: “价格?”},
{“employee”: “您好¥您想了解哪个专业的学费呢¥专业不同,学时学费也不一样”, “customer”: “C++”},
{“employee”: “贵姓”, “customer”: “周”},
{“employee”: “好的,可以给您发送一份C++的课程资料,学时学费和学习路线,您可以先了解看下”, “customer”: “好”},
],
}
- RETURN:
- sessionId:对话的唯一标识
- subject:客户的意向学科
- school:客户的意向校区
- phone:客户的手机号
- wechat:客户的微信
- qq:客户的QQ号
- name:客户的姓名
- RETURN Sample
{
“sessionId”: “23243”,
“subject”: “C++”,
“school”: “北京”,
“phone”: “15242200223”,
“wechat”: “15242200223”,
“qq”: “unknown”,
“name”: “周同学”,
}
- PYTHON 请求代码:
import requests
# 请求路径,8087端口在nginx的配置中指定
url = “http://47.241.24.21:8087/api/v1/get_info“
data = {
“sessionId”: “23243”,
“ip”: “中国 北京 北京”,
“fromTitle”: “公司C/C++与网络攻防设计官网-C/C++设计|C/C++与网络攻防设计机构”,
“content”: [
{“employee”: “你好,你是想了解哪个课程呢?¥还在么同学?”, “customer”: “价格?”},
{“employee”: “您好¥您想了解哪个专业的学费呢¥专业不同,学时学费也不一样”, “customer”: “C++”},
{“employee”: “贵姓”, “customer”: “周”},
{“employee”: “好的,可以给您发送一份C++的课程资料,学时学费和学习路线,您可以先了解看下”, “customer”: “好”},
],
}
多层嵌套必须使用json
res = requests.post(url, json=data)
print(res.text)
- 输出效果:
{
“sessionId”:”23243”,
“subject”:”C++”,
“school”:”unknown”,
“phone”:”unknown”,
“wechat”:”unknown”,
“qq”:”unknown”,
“name”:”周同学”
}
硬件需求
- 该任务属于离线任务,可申请:
- 16C(CPU核数),32G(内存空间),100G(硬盘空间)的服务器规格
- 根据经验以上硬件的AI服务接口QPS上限约为:1500
考试中心填空题API说明
- URL:
- METHOD:
- POST
- DATA:
- 必须为json格式.
- 共四个key,分别为:pid, student_answer, true_answer, full_marks
- pid: 字符串类型,问题的唯一标识
- student_answer: 列表类型,学生的答案,若为多项填空则[“a”, “b”, “…”]
- true_answer: 列表类型,正确答案,若为多项填空则[“A”, “B”, “…”]
- full_marks: 字符串类型,该题的总分.
- DATA sample:
{
“pid”: “12312”,
“student_answer”: [“alt”],
“true_answer”: [“title”],
“full_marks”: “2”,
}
- RETURN:
- json格式.
- 共六个key,分别为: status, pid, student_answer, true_answer, score, confidence.
- status: 服务响应的状态,status为0代表正常,status为1代表异常.
- pid, student_answer, true_answer与DATA中的含义相同.
- score: 字符串类型,服务预测的得分.
- confidence: 得分的置信度,分为三个等级H(高置信度),M(中置信度),L(低置信度).
- RETURN sample:
{
“status”:”0”,
“pid”:”12312”,
“student_answer”:[
“alt”
],
“true_answer”:[
“title”
],
“score”:”0”,
“confidence”:”H”
}
- PYTHON 请求代码:
import requests
url = “http://47.241.24.21:8087/api/v1/get_trans/“
data = {
“pid”: “12312”,
“student_answer”: [“alt”],
“true_answer”: [“title”],
“full_marks”: “2”,
}
多层嵌套必须使用json
res = requests.post(url, json=data)
print(res.text)
- 输出效果:
{
“status”:”0”,
“pid”:”12312”,
“student_answer”:[
“alt”
],
“true_answer”:[
“title”
],
“score”:”0”,
“confidence”:”M”
}
硬件需求
- 该任务属于离线任务,可申请:
- 16C(CPU核数),32G(内存空间),100G(硬盘空间)的服务器规格
- 根据经验以上硬件的AI服务接口QPS上限约为:1500
必要文件
- 在使用Bert模型时,需要的run_glue.py,具体代码内容请访问:http://git.itcast.cn/Stephen/AI-key-file/blob/master/run_glue.py
数据分析图片解析API说明
- URL:
- METHOD:
- POST
- DATA:
- 必须为json格式.
- image_id: 字符串类型,图片的唯一标识
- str(image_base64): 字符串类型,图片被base64编码后还要转成str
- DATA sample:
{
“image_id”: “12345”,
“image_base64”: str(base64_data)
}
- RETURN:
- json格式.
- image_id: 字符串类型,图片的唯一标识
- result: 字符串类型,只可能为offline或者online,代表线下或者线上开班
- RETURN sample:
{
“image_id”:”12345”,
“result”:”offline”
}
- PYTHON 请求代码:
import requests
import base64
在该路径下准备一张带识别的图片
image_path = “/data/ItcastBrain/Pm/image/sample.jpg”
with open(image_path, “rb”) as f:
# b64encode:编码,b64decode: 解码
base64_data = base64.b64encode(f.read())
data = {“image_id”: “12345”, “image_base64”: str(base64_data)}
url = “http://47.241.24.21:8087/api/v1/get_pm/“
res = requests.post(url, json=data)
print(res.text)
- 输出效果:
{
“image_id”:”12345”,
“result”:”offline”
}
硬件需求
- 该任务属于离线任务,可申请:
- 16C(CPU核数),32G(内存空间),100G(硬盘空间)的服务器规格
- 根据经验以上硬件的AI服务接口QPS上限约为:1500
上一页第七章:模型压缩与推断加速技术
©Copyright 2020, AITutorials.CN This website has been reviewed by the review agency. 京ICP备19006137号
powered by MkDocs and Material for MkDocs