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:
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_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
参数 | 类型 | 是否必须 | 描述 |
---|---|---|---|
text_1 | string | 是 | 待比较文本1,最大512字节 |
text_2 | string | 是 | 待比较文本2,最大512字节 |
model | string | 否 | 默认为"BOW",可选"BOW"、"CNN"与"GRNN" |
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
参数 | 描述 | 取值 |
---|---|---|
log_id | uint64 | 随机数,请求唯一标识码 |
score | float | 相似度结果取值(0,1],分数越高说明相似度越高 |
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
},