文本分類

注意

內容和商務AI處於測試版。 文檔可能會更改。

當給定文本片段時，文本分類服務可以將其分類為一個或多個標籤。 分類可以是單標籤、多標籤或分層。

API格式

POST /services/v1/predict

要求

以下請求基於在負載中提供的輸入參數對來自片段的文本進行分類。 有關所示輸入參數的詳細資訊，請參閱示例負載下表。

注意

analyzer_id 確定 Sensei Content Framework 的子菜單。 請檢查一下 analyzer_id 在你提出要求之前。 聯繫內容和商務AI測試團隊以接收您的 analyzer_id 為此服務。

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\",
    \"data\": [{
      \"content-id\": \"abc123\",
      \"content\": \"Server and Workstation Processors, Microcode Update is a self-extracting executable file containing the latest beta microcode updates (System Configuration Data) and software license agreement.\"
      }]
    }" \
  -F 'contentAnalyzerRequests={
    "enable_diagnostics":"true",
    "requests":[{
         "analyzer_id": "Feature:cintel-text-classifier:Service-38a4cc7b286449e6bc1977f59df01b47",
         "parameters": {}
    }]
}'
屬性 說明 必要
analyzer_id 的 Sensei 部署請求的服務ID。 此ID確定 Sensei Content Frameworks 的子菜單。 有關自定義服務，請與Content and Commerce AI團隊聯繫以設定自定義ID。 是
application-id 已建立的應用程式的ID。 是
data 包含JSON對象的陣列，其中每個對象都位於表示文檔的陣列中。 作為此陣列的一部分傳遞的任何參數都將覆蓋在 data 陣列。 此表中概述的任何剩餘屬性都可以從中覆蓋 data。 是
language 輸入文本的語言。 預設值為 en。 無
content-type 用於指示輸入是請求正文的一部分還是S3儲存段的帶簽名URL。 此屬性的預設值為 inline。 無
encoding 輸入文本的編碼格式。 這可以是 utf-8 或 utf-16。 此屬性的預設值為 utf-8。 無
threshold 需要返回結果的分數（0到1）的閾值。 使用值 0 返回所有結果。 此屬性的預設值為 0。 無
top-N 要返回的結果數（不能為負整數）。 使用值 0 返回所有結果。 與 threshold，返回的結果數是任一限制集的較小值。 此屬性的預設值為 0。 無
custom 要傳遞的任何自定義參數。 此屬性需要有效的JSON對象才能運行。 無
content-id 響應中返回的資料元素的唯一ID。 如果未傳遞此資訊，則會分配自動生成的ID。 無
content 文本分類服務使用的內容。 內容可以是原始文本（「內聯」內容類型）。
如果內容是S3('s3-bucket' content-type)上的檔案，請傳遞帶簽名的URL。		 是

回應

成功的響應返迴響應陣列中的分類文本。

{
  "status": 200,
  "cas_responses": [
    {
      "status": 200,
      "analyzer_id": "Feature:cintel-text-classifier:Service-38a4cc7b286449e6bc1977f59df01b47",
      "content_id": "",
      "result": {
        "response_type": "feature",
        "response": [
          {
            "feature_name": "abc123",
            "feature_value": [
              {
                "feature_value": [
                  {
                    "feature_value": 0.6899315714836121,
                    "feature_name": "Embedded & IoT"
                  }
                ],
                "feature_name": "labels"
              },
              {
                "feature_name": "status",
                "feature_value": "success"
              }
            ]
          }
        ]
      }
    }
  ],
  "error": []
}

本頁內容