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

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