短文本相似度

短文本相似度接口

接口描述

本接口已于2017年6月15日升级，如果您需要查阅旧版接口文档，请查看短文本相似度接口（旧版），但建议您尽快升级到新版接口。

短文本相似度接口用来判断两个文本的相似度得分。

请求说明

请求示例

HTTP方法：POST

请求URL：https://aip.baidubce.com/rpc/2.0/nlp/v2/simnet

URL参数：

Header如下：

Body请求示例:

{
	"text_1": "浙富股份", // 待比较文本1
	"text_2": "万事通自考网" // 待比较文本2
}

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

关于模型选择

短文本相似度接口，可由用户自主选择合适的模型：

BOW（词包）模型

基于bag of words的BOW模型，特点是泛化性强，效率高，比较轻量级，适合任务：输入序列的 term “确切匹配”、不关心序列的词序关系，对计算效率有很高要求；

GRNN（循环神经网络）模型

基于recurrent，擅长捕捉短文本“跨片段”的序列片段关系，适合任务：对语义泛化要求很高，对输入语序比较敏感的任务；

CNN（卷积神经网络）模型

模型语义泛化能力介于 BOW/RNN 之间，对序列输入敏感，相较于 GRNN 模型的一个显著优点是计算效率会更高些。

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

返回示例

{
	"log_id": 12345,
    "texts":{
        "text_1":"浙富股份",
        "text_2":"万事通自考网"
    },
    "score":0.3300237655639648 //相似度结果
},