Estrazione di parole chiave
Content and Commerce AI è in versione beta. La documentazione è soggetta a modifiche.
Il servizio di estrazione delle parole chiave, quando viene fornito un documento di testo, estrae automaticamente parole chiave o frasi chiave che descrivono al meglio l’oggetto del documento. Per estrarre le parole chiave, viene utilizzata una combinazione di algoritmi di riconoscimento delle entità con nome (NER) e di estrazione delle parole chiave senza supervisione.
Le entità denominate riconosciute da Content and Commerce AI sono elencati nella tabella seguente:
| Nome entità | Descrizione |
|---|---|
| PERSONA | Persone, incluse le finzioni. |
| NORP | Nazionalità o gruppi religiosi o politici. |
| GPE | Paesi, città e stati. |
| LOC | Posizioni non GPE, catene montuose, corpi idrici. |
| FAC | Edifici, aeroporti, autostrade, ponti, ecc. |
| ORO | Aziende, agenzie, istituzioni, ecc. |
| PRODOTTO | Oggetti, veicoli, alimenti, ecc. (Non servizi.) |
| EVENTO | Uragani, battaglie, guerre, eventi sportivi, ecc. |
| WORK_OF_ART | Titoli di libri, canzoni, ecc. |
| LEGGE | Documenti denominati creati in leggi. |
| LINGUA | Qualsiasi linguaggio denominato. |
Se prevedi di elaborare i PDF, passa alle istruzioni per Estrazione di parole chiave PDF in questo documento. Inoltre, il supporto per tipi di file aggiuntivi come docx, ppt, amd xml è impostato per essere rilasciato in una data successiva.
Formato API
POST /services/v1/predict
Richiesta
La richiesta seguente estrae parole chiave da un documento in base ai parametri di input forniti nel payload.
JSON semplificato del file di input:
{
"application-id": "1234",
"language": "en",
"content-type": "inline",
"encoding": "utf-8",
"threshold": 0.01,
"top-N": 10,
"custom": {
"min-n": 2,
"entity-types": ["PERSON"]
},
"data": [
{
"content-id": "abc123",
"content": "But an influential faction on the ATP player council, which is chaired by Novak Djokovic, staged a rebellion against Kermodes regime in the spring, and he will leave the post on Dec 31"
}
]
}
Per ulteriori informazioni sui parametri di input mostrati, consulta la tabella riportata di seguito.
analyzer_id determina quale Sensei Content Framework viene utilizzato. Verifica di avere il analyzer_id prima di fare la tua richiesta. Per il servizio di estrazione delle parole chiave, la analyzer_id ID:
Feature:cintel-ner:Service-1a35aefb0f0f4dc0a3b5262370ebc709
curl -w'\n' -i -X POST https://sensei.adobe.io/services/v1/predict \
-H "Authorization: Bearer {ACCESS_TOKEN}" \
-H "Content-Type: multipart/form-data" \
-H "cache-control: no-cache,no-cache" \
-H "x-api-key: {API_KEY}" \
-F file="{
\"application-id\": \"1234\",
\"language\": \"en\",
\"content-type\": \"inline\",
\"encoding\": \"utf-8\",
\"threshold\": 0.01,
\"top-N\": 10,
\"custom\": {
\"min-n\": 2,
\"entity-types\": [\"PERSON\"]
},
\"data\": [{
\"content-id\": \"abc123\",
\"content\": \"But an influential faction on the ATP player council, which is chaired by Novak Djokovic, staged a rebellion against Kermodes regime in the spring, and he will leave the post on Dec 31\"
}]
}" \
-F 'contentAnalyzerRequests={
"enable_diagnostics":"true",
"requests":[{
"analyzer_id": "Feature:cintel-ner:Service-1a35aefb0f0f4dc0a3b5262370ebc709",
"parameters": {}
}]
}'
| Proprietà | Descrizione | Obbligatorio |
|---|---|---|
analyzer_id |
La Sensei ID del servizio in cui viene distribuita la richiesta. Questo ID determina quale tra Sensei Content Frameworks sono utilizzati. Per i servizi personalizzati, contatta il team Content and Commerce AI per configurare un ID personalizzato. | Sì |
application-id |
ID dell'applicazione creata. | Sì |
data |
Matrice che contiene un oggetto JSON con ogni oggetto della matrice che rappresenta un documento. Eventuali parametri passati come parte di questa matrice sostituiscono i parametri globali specificati al di fuori della data array. È possibile ignorare tutte le proprietà rimanenti descritte in questa tabella all’interno di data. |
Sì |
language |
Lingua del testo di input. Il valore predefinito è en. |
No |
content-type |
Utilizzato per indicare se l’input fa parte del corpo della richiesta o di un url firmato per un bucket S3. Il valore predefinito di questa proprietà è inline. |
Sì |
encoding |
Formato di codifica del testo di input. Questo può essere utf-8 o utf-16. Il valore predefinito di questa proprietà è utf-8. |
No |
threshold |
La soglia del punteggio (da 0 a 1) al di sopra della quale devono essere restituiti i risultati. Utilizza il valore 0 per restituire tutti i risultati. Il valore predefinito di questa proprietà è 0. |
No |
top-N |
Il numero di risultati da restituire (non può essere un numero intero negativo). Utilizza il valore 0 per restituire tutti i risultati. Se utilizzato in combinazione con threshold, il numero di risultati restituiti è il minore tra i due set di limiti. Il valore predefinito di questa proprietà è 0. |
No |
custom |
Eventuali parametri personalizzati da trasmettere. Questa proprietà richiede un oggetto JSON valido per funzionare. Consulta la sezione appendice per ulteriori informazioni sui parametri personalizzati. | No |
content-id |
L'ID univoco dell'elemento dati restituito nella risposta. Se non viene passato, viene assegnato un ID generato automaticamente. | No |
content |
Il contenuto utilizzato dal servizio di estrazione delle parole chiave. Il contenuto può essere di tipo non elaborato ("inline"). Se il contenuto è un file sul tipo di contenuto S3 ('s3-bucket'), passa l’url firmato. Quando il contenuto fa parte del corpo della richiesta, l’elenco degli elementi dati deve avere un solo oggetto. Se vengono passati più oggetti, viene elaborato solo il primo oggetto. |
Sì |
Risposta
Una risposta corretta restituisce un oggetto JSON contenente le parole chiave estratte nel response array.
{
"status": 200,
"cas_responses": [
{
"status": 200,
"analyzer_id": "Feature:cintel-ner:Service-1a35aefb0f0f4dc0a3b5262370ebc709",
"content_id": "",
"result": {
"response_type": "feature",
"response": [
{
"feature_value": [
{
"feature_value": "success",
"feature_name": "status"
},
{
"feature_name": "labels",
"feature_value": [
{
"feature_name": "atp player",
"feature_value": [
{
"feature_value": "KEYWORD",
"feature_name": "type"
},
{
"feature_value": 0.007743432063478832,
"feature_name": "score"
}
]
},
{
"feature_name": "Novak Djokovic",
"feature_value": [
{
"feature_name": "type",
"feature_value": "PERSON"
},
{
"feature_name": "score",
"feature_value": 0
}
]
},
{
"feature_value": [
{
"feature_name": "type",
"feature_value": "KEYWORD"
},
{
"feature_value": 0.00899321792126428,
"feature_name": "score"
}
],
"feature_name": "player council"
},
{
"feature_value": [
{
"feature_value": "KEYWORD",
"feature_name": "type"
},
{
"feature_value": 0.007743432063478832,
"feature_name": "score"
}
],
"feature_name": "kermodes regime"
},
{
"feature_value": [
{
"feature_name": "type",
"feature_value": "KEYWORD"
},
{
"feature_name": "score",
"feature_value": 0.0006052376660884209
}
],
"feature_name": "atp player council"
}
]
}
],
"feature_name": "abc123"
}
]
}
}
],
"error": []
}
Estrazione di parole chiave PDF
Il servizio di estrazione delle parole chiave supporta i PDF, tuttavia, è necessario utilizzare un nuovo AnalyzerID per i file PDF e modificare il tipo di documento in PDF. Per ulteriori informazioni, consulta l’esempio seguente.
Formato API
POST /services/v1/predict
Richiesta
La richiesta seguente estrae parole chiave da un documento PDF in base ai parametri di input forniti nel payload.
analyzer_id determina quale Sensei Content Framework viene utilizzato. Verifica di avere il analyzer_id prima di fare la tua richiesta. Per l’estrazione di parole chiave di PDF, l’ analyzer_id ID:
Feature:cintel-ner:Service-7a87cb57461345c280b62470920bcdc5
curl -w'\n' -i -X POST https://sensei.adobe.io/services/v1/predict \
-H "Authorization: Bearer {ACCESS_TOKEN}" \
-H "Content-Type: multipart/form-data" \
-H "cache-control: no-cache,no-cache" \
-H "x-api-key: {API_KEY}" \
-F file=@TestPDF.pdf \
-F 'contentAnalyzerRequests={
"enable_diagnostics":"true",
"requests":[{
"analyzer_id": "Feature:cintel-ner:Service-7a87cb57461345c280b62470920bcdc5",
"parameters": {
"application-id": "1234",
"content-type": "file",
"encoding": "pdf",
"threshold": "0.01",
"top-N": "0",
"custom": {},
"data": [{
"content-id": "abc123",
"content": "file",
}]
}
}]
}'
| Proprietà | Descrizione | Obbligatorio |
|---|---|---|
analyzer_id |
La Sensei ID del servizio in cui viene distribuita la richiesta. Questo ID determina quale tra Sensei Content Frameworks sono utilizzati. Per i servizi personalizzati, contatta il team Content and Commerce AI per configurare un ID personalizzato. | Sì |
application-id |
ID dell'applicazione creata. | Sì |
data |
Matrice che contiene un oggetto JSON con ogni oggetto della matrice che rappresenta un documento. Eventuali parametri passati come parte di questa matrice sostituiscono i parametri globali specificati al di fuori della data array. È possibile ignorare tutte le proprietà rimanenti descritte in questa tabella all’interno di data. |
Sì |
language |
Lingua di input. Il valore predefinito è en (inglese). |
No |
content-type |
Utilizzato per indicare il tipo di contenuto in input. Questo valore deve essere impostato su file. |
Sì |
encoding |
Formato di codifica dell’input. Questo valore deve essere impostato su pdf. In un secondo momento saranno supportati altri tipi di codifica. |
Sì |
threshold |
La soglia del punteggio (da 0 a 1) al di sopra della quale devono essere restituiti i risultati. Utilizza il valore 0 per restituire tutti i risultati. Il valore predefinito di questa proprietà è 0. |
No |
top-N |
Il numero di risultati da restituire (non può essere un numero intero negativo). Utilizza il valore 0 per restituire tutti i risultati. Se utilizzato in combinazione con threshold, il numero di risultati restituiti è il minore tra i due set di limiti. Il valore predefinito di questa proprietà è 0. |
No |
custom |
Eventuali parametri personalizzati da trasmettere. Questa proprietà richiede un oggetto JSON valido per funzionare. Consulta la sezione appendice per ulteriori informazioni sui parametri personalizzati. | No |
content-id |
L'ID univoco dell'elemento dati restituito nella risposta. Se non viene passato, viene assegnato un ID generato automaticamente. | No |
content |
Questo valore deve essere impostato su file. |
Sì |
Risposta
Una risposta corretta restituisce un oggetto JSON contenente le parole chiave estratte nel response array.
{
"statusCode": 200,
"body": {
"type": "JSON",
"matchType": "strict",
"json": {
"status": 200,
"content_id": "161hw2.pdf",
"cas_responses": [
{
"status": 200,
"analyzer_id": "Feature:cintel-ner:Service-7a87cb57461345c280b62470920bcdc5",
"content_id": "161hw2.pdf",
"result": {
"response_type": "feature",
"response": [
{
"feature_value": [
{
"feature_name": "status",
"feature_value": "success"
},
{
"feature_value": [
{
"feature_name": "delbick",
"feature_value": [
{
"feature_name": "score",
"feature_value": 0.03673855028832046
},
{
"feature_name": "type",
"feature_value": "KEYWORD"
}
]
},
{
"feature_name": "Ci",
"feature_value": [
{
"feature_name": "score",
"feature_value": 0
},
{
"feature_name": "type",
"feature_value": "PERSON"
}
]
}
],
"feature_name": "labels"
}
],
"feature_name": "abc123"
}
]
}
}
],
"error": []
}
}
}
Per ulteriori informazioni e un esempio sull’utilizzo dell’estrazione di PDF contenente istruzioni su come impostare, implementare e integrare con il servizio cloud AEM. Visita il Archivio github del processo di lavoro di estrazione di CCAI PDF.
Appendice
La tabella seguente contiene i parametri disponibili che possono essere utilizzati da custom.
| Nome | Descrizione | Obbligatorio |
|---|---|---|
min-n |
Numero minimo di parole necessarie nelle parole chiave. | No |
entity-types |
Tipi di entità da restituire. Vedere la tabella di riconoscimento entità denominata all'inizio del documento. | No |
Risorse su adobe.com
Risorse
Account Adobe
