исследования и разработки (связанные)

Найдите другое слово для разработка .На этой странице вы можете найти 97 синонимов, антонимов, идиоматических выражений и связанных слов для development , таких как: усиление, постепенная эволюция, рост, усиление, рост, разработка, эволюция, усиление, продвижение, расширение и улучшение.

Определение слова Develop, Merriam-Webster

развитый; развивающийся; развивается

переходный глагол

c крашение : обработать средством, вызывающим появление цвета.

2а : для отработки возможностей разработать идею

б : создавать или производить, особенно сознательно, с течением времени разрабатывать новые способы ведения бизнеса разрабатывать программное обеспечение

3а : для активизации или стимулирования роста развил свои мышцы, развивая ваши умственные способности

б (1) : сделать доступным или пригодным для использования разрабатывать природные ресурсы

(2) : для использования в коммерческих или жилых целях. развивать землю

c игры : для перемещения (шахматной фигуры) из исходной позиции в одну, предоставляя больше возможностей для эффективного использования развивать ладью

4а : побуждать к постепенному развитию или развертыванию : вести или вести (что-то) через последовательность состояний или изменений, каждое из которых является подготовительным для следующего развил свой аргумент

б : расширяться за счет роста работаем над дальнейшим развитием компании

непереходный глагол

Международный журнал инженерного менеджмента и прикладных наук

Международный журнал новейших технологий в области инженерии, менеджмента и прикладных наук — IJLTEMAS

Международный журнал новейших технологий в машиностроении, менеджменте и прикладных науках (IJLTEMAS) — это ежемесячный рецензируемый, открытый доступ и полностью реферируемый международный журнал по инженерным наукам, менеджменту и прикладным наукам с минимальной платой за обработку.Мы обеспечиваем отличную платформу для обмена мнениями между исследователями, широко заинтересованными в области инженерии, менеджмента и прикладных наук.

Научно-исследовательское и инновационное общество

Общество исследований и научных инноваций (RSIS International) — ведущее международное профессиональное некоммерческое общество, которое способствует прогрессу исследований и инноваций посредством международных конференций, дискуссий, семинаров и публикации профессиональных международных онлайн-журналов, информационных бюллетеней и проведения исследований и инноваций. на международном уровне.

Прием заявок Май 2021 г.

Международный журнал новейших технологий в инженерии, менеджменте и прикладных науках — IJLTEMAS приглашает авторов / исследователей предложить свои исследовательские работы в области инженерии, менеджмента и прикладных наук. Все заявки должны быть оригинальными и содержать соответствующие результаты исследований в области инженерии, менеджмента и прикладных наук. Мы нацелены на качественную исследовательскую публикацию и предоставляем читателю достоверные исследования.

Правила подачи заявок

Почему открытый доступ?

Журналы открытого доступа доступны бесплатно в Интернете для немедленного открытого доступа во всем мире к полному содержанию статей, служащих интересам основных исследователей.Каждый заинтересованный читатель может бесплатно читать, скачивать или потенциально распечатывать статьи в открытом доступе! Мы приглашаем подавать документы превосходного качества только в электронном (только .doc) формате.

Руководство по доступности веб-контента (WCAG) 2.0

Эта публикация частично финансировалась за счет федеральных средств Министерства образования США, Национального института исследований в области инвалидности и реабилитации (NIDRR) в соответствии с номером контракта ED05CO0039. Содержание этой публикации не обязательно отражает взгляды или политику U.S. Министерство образования, а также упоминание торговых наименований, коммерческих продуктов или организаций не означает одобрения со стороны правительства США.

Дополнительную информацию об участии в Рабочей группе по рекомендациям по обеспечению доступности веб-контента (WCAG WG) можно найти на домашней странице Рабочей группы.

Другие ранее активные участники WG WCAG и другие участники WCAG 2.0

Шади Абу-Зара, Джим Аллан, Джена Андершонис, Ави Ардитти, Эриес Ардити, Майк Барта, Сэнди Бартелл, Кинн Бартлетт, Марко Бертони, Харви Бингхэм, Крис Блауч , Пол Бохман, Патрис Бурлон, Джуди Брюэр, Энди Браун, Дик Браун, Дойл Бернетт, Рэйвен Кале, Томас Касперс, Роберто Кастальдо, Самбхави Чандрашекар, Майк Черим, Джонатан Четвинд, Венди Чизхолм, Алан Чутер, Дэвид Кларк, Джо Джеймс Колтэм, Джеймс Крейг, Том Краучер, Нир Даган, Дэниел Дардайллер, Джефф Диринг, Пит ДеВасто, Дон Эванс, Нил Эверс, Стив Фолкнер, Лэйни Фейнголд, Алан Дж.Флавелл, Николаос Флоратос, Кентароу Фукуда, Мигель Гарсия, П. Джей Гарднер, Грег Гей, Бекки Гибсон, Эл Гилман, Керстин Голдсмит, Майкл Грейд, Джон Гандерсон, Эммануэль Гутьеррес и Рестрепо, Брайан Харди, Эрик Хансен, Шон Хейс, Шон Генри Хиллен, Донован Хипке, Бьорн Хурманн, Крис Хофстадер, Иветт Хойтинк, Карлос Иглесиас, Ян Джейкобс, Фил Дженкинс, Джотсна Каки, Леонард Р. Касдей, Казухито Кидачи, Кен Кипнесс, Марджа-Риитта Койвунен, Прити Кумар, Гез Летоурне , Скотт Любкинг, Тим Лейси, Джим Лей, Уильям Лафборо, Грег Лоуни, Лука Маскаро, Лиам МакГи, Йенс Майерт, Никки Меррет, Алессандро Миле, Мэтью Дж. Мирабелла, Чарльз МакКати Невил, Мэтт Мэй, Марти Маккаллер, Сорча Мур, Чарльз Ф.Мунат, Роберт Нефф, Бруно фон Ниман, Тим Нунан, Себастьяно Нутарелли, Грэм Оливер, Шон Б. Палмер, Сайлеш Панчанг, Найджел Пек, Энн Пембертон, Дэвид Полман, Адам Виктор Рид, Крис Ридпат, Ли Робертс, Грегори Дж. Росмайта, Мэттью Росс, Шаррон Раш, Джан Сэмпсон-Уайлд, Джоэл Санда, Гордон Шанц, Лиза Симан, Джон Слатин, Бекки Смит, Джаред Смит, Нил Сойфер, Джин Спеллман, Майк Сквиллейс, Майкл Стеницер, Джим Тэтчер, Терри Томпсон, Джастин Торп, Макото Уэки, Эрик Веллеман, Дена Уэйнрайт, Пол Уолш, Такаюки Ватанабе, Джейсон Уайт.

Основы API естественного языка | Google Cloud

Этот документ содержит руководство по основам использования Cloud Natural Language API. В этом концептуальном руководстве описаны типы запросов, которые вы можете сделать в API естественного языка, как создавать эти запросы и как обрабатывать их ответы.Мы рекомендуем всем пользователям Natural Language API прочтите это руководство и одно из связанных руководств перед тем, как погрузиться в API сам.

Функции естественного языка

В API естественного языка есть несколько методов для выполнения анализа. и аннотацию к вашему тексту. Каждый уровень анализа дает ценные информация для понимания языка. Эти методы перечислены ниже:

• Анализ тональности проверяет данный текст и определяет преобладающие эмоциональное мнение в тексте, особенно для определения писателя отношение как положительное, отрицательное или нейтральное.Анализ настроений выполняется с помощью метода analysisSentiment .

• Анализ сущностей проверяет данный текст на наличие известных сущностей (Правильный такие существительные, как общественные деятели, достопримечательности и т. д. Нарицательные существительные, такие как ресторан, стадион и т. д.) и возвращает информацию о эти сущности. Анализ сущностей выполняется с помощью анализатора analyEntities . метод.

• Анализ настроений сущностей проверяет данный текст на наличие известных сущностей (собственно существительные и нарицательные), возвращает информацию о эти объекты, и определяет преобладающие эмоциональное мнение о сущности в тексте, особенно для определения автора отношение к сущности как положительное, отрицательное или нейтральное.Анализ сущностей выполняется с помощью программы «Анализируемый объект ». метод.

• Синтаксический анализ извлекает лингвистическую информацию, разбивая данную текст в серии предложений и лексем (как правило, границы слов), обеспечение дальнейшего анализа этих токенов. Синтаксический анализ выполняется с помощью метода analysisSyntax .

• Классификация содержимого анализирует текстовое содержимое и возвращает категорию содержимого для содержания.Классификация содержимого выполняется с помощью classifyText метод.

Каждый вызов API также определяет и возвращает язык, если язык не указан. указывается вызывающим абонентом в первоначальном запросе.

Кроме того, если вы хотите выполнить несколько операций на естественном языке с для данного текста с использованием только одного вызова API можно также использовать запрос annotateText для выполнения анализа настроений и анализа сущностей.

Попробуйте сами

Если вы новичок в Google Cloud, создайте учетную запись, чтобы оценить, как Естественный язык работает в реальном мире сценарии.Новые клиенты также получают 300 долларов в качестве бесплатных кредитов для запуска, тестирования и развертывать рабочие нагрузки.

{
  "документ":{
    "тип": "PLAIN_TEXT",
    "язык": "EN",
    "content": "« Лоуренс Аравийский »- высоко оцененная биография фильма о
                Британский лейтенант Т. Э. Лоуренс. Питер О'Тул играет
                Лоуренс в фильме ".
  },
  "encodingType": "UTF8"
}
 

{
  "документ":{
    "тип": "PLAIN_TEXT",
    "язык": "EN",
    «gcsContentUri»: «gs: // облачные образцы-тесты / естественный язык / gettysburg.текст"
  },
}
 

{
  "documentSentiment": {
    «оценка»: 0,2,
    «величина»: 3.6
  },
  "language": "en",
   "предложения": [
    {
      "text": {
        "content": "Четыре десятка семь лет назад наши отцы родили
        на этом континенте новая нация, рожденная на свободе и посвященная
        утверждение, что все люди созданы равными. ",
        "beginOffset": 0
      },
      "sentiment": {
        «величина»: 0,8,
        «оценка»: 0,8
      }
    },
   ...
}
 

{
  "сущности": [
    {
      "name": "Лоуренс Аравийский",
      "тип": "WORK_OF_ART",
      "метаданные": {
        "mid": "/ m / 0bx0l",
        "wikipedia_url": "http://en.wikipedia.org/wiki/Lawrence_of  Аравия  (фильм)"
      },
      «заметность»: 0.75222147, г.
      "упоминания": [
        {
          "text": {
            "content": "Лоуренс Аравийский",
            "beginOffset": 1
          },
          "тип": "ПРАВИЛЬНЫЙ"
        },
        {
          "text": {
            "content": "биография фильма",
            "beginOffset": 39
          },
          "тип": "ОБЩИЙ"
        }
      ]
    },
    {
      "name": "Т. Э. Лоуренс",
      "тип": "ЛИЦО",
      "метаданные": {
        "mid": "/ m / 0bx5v",
        "wikipedia_url": "http: //en.wikipedia.org / wiki / T._E._Lawrence "
      },
      "заметность": 0,12430617,
      "упоминания": [
        {
          "text": {
            "content": "Т. Э. Лоуренс",
            "beginOffset": 94
          },
          "тип": "ПРАВИЛЬНЫЙ"
        },
        {
          "text": {
            "content": "Лейтенант",
            "beginOffset": 83
          },
          "тип": "ОБЩИЙ"
        },
        {
          "text": {
            "content": "Лоуренс",
            "beginOffset": 145
          },
          "тип": "ПРАВИЛЬНЫЙ"
        }
      ]
    },
    {
      "name": "британский",
      "type": "LOCATION",
      "метаданные": {
        "mid": "/ m / 07ssc",
        "wikipedia_url": "http: // en.wikipedia.org/wiki/United_Kingdom "
      },
      «заметность»: 0,078094982,
      "упоминания": [
        {
          "text": {
            "content": "британский",
            "beginOffset": 75
          },
          "тип": "ПРАВИЛЬНЫЙ"
        }
      ]
    },
    {
      "имя": "фильм",
      "тип": "WORK_OF_ART",
      "метаданные": {},
      «заметность»: 0,033808723,
      "упоминания": [
        {
          "text": {
            "content": "фильм",
            "beginOffset": 161
          },
          "тип": "ОБЩИЙ"
        }
      ]
    },
    {
      "name": "Питер О'Тул",
      "тип": "ЛИЦО",
      "метаданные": {
        "mid": "/ m / 0h0jz",
        "wikipedia_url": "http: // en.wikipedia.org/wiki/Peter_O'Toole "
      },
      «заметность»: 0,011568651,
      "упоминания": [
        {
          "text": {
            "content": "Питер О'Тул",
            "beginOffset": 110
          },
          "тип": "ПРАВИЛЬНЫЙ"
        }
      ]
    }
  ],
  "язык": "ru"
}
 

{
  "документ":{
    "тип": "PLAIN_TEXT",
    "content": "Я люблю музыку в стиле R&B.Марвин Гэй лучший.
               «Что происходит» - одна из моих любимых песен.
               Было так грустно, когда умер Марвин Гэй ».
  },
  "encodingType": "UTF8"
}
 

Вы можете указать необязательный параметр language с вашим запросом, который определяет код языка для текста в параметре содержимого . Если вы не укажете , язык , тогда API естественного языка автоматически обнаруживает язык содержания вашего запроса. Для получения информации о том, какие языки поддерживаются API естественного языка, см. Языковая поддержка.

Ответы на анализ настроений сущностей

API естественного языка обрабатывает данный текст для извлечения сущностей и определить настроение. Запрос Entity Sentiment Analysis возвращает ответ содержащий объектов , которые были обнаружены в содержание документа, упоминает записей для каждого упоминания объекта, и числовой баллов и величин значений для каждого упоминания, как описано в Интерпретация значений анализа тональности.В общий балл Величина и Значения для объекта являются совокупностью конкретные баллов и величин значений для каждого упоминания объекта. В Оценка . Величина и . Значения для объекта могут быть 0 , если было низкое. тональность в тексте, в результате чего баллов 0, или тональность является смешанным, в результате получается баллов из 0.

{
  "сущности": [
    {
      "name": "Музыка R&B",
      "тип": "WORK_OF_ART",
      "метаданные": {},
      «заметность»: 0.5306305, г.
      "упоминания": [
        {
          "text": {
            "content": "Музыка R&B",
            "beginOffset": 7
          },
          "тип": "ОБЩИЙ",
          "sentiment": {
            «величина»: 0,9,
            «оценка»: 0,9
          }
        }
      ],
      "sentiment": {
        «величина»: 0,9,
        «оценка»: 0,9
      }
    },
    {
      "name": "Марвин Гэй",
      "тип": "ЛИЦО",
      "метаданные": {
        "mid": "/ m / 012z8_",
        "wikipedia_url": "http: // en.wikipedia.org/wiki/Marvin_Gaye "
      },
      «заметность»: 0,21584158,
      "упоминания": [
        {
          "text": {
            "content": "Марвин Гэй",
            "beginOffset": 18
          },
          "тип": "ПРАВИЛЬНЫЙ",
          "sentiment": {
            «величина»: 0,4,
            «оценка»: 0,4
          }
        },
        {
          "text": {
            "content": "Марвин Гэй",
            "beginOffset": 138
          },
          "тип": "ПРАВИЛЬНЫЙ",
          "sentiment": {
            «величина»: 0.2,
            «оценка»: -0,2
          }
        }
      ],
      "sentiment": {
        «величина»: 0,6,
        «оценка»: 0,1
      }
    },
    ...
  ],
  "язык": "ru"
}

 

Например, см. Анализ настроений сущности.

Синтаксический анализ

API естественного языка предоставляет мощный набор инструментов для анализа и синтаксический анализ текста. Для выполнения синтаксического анализа используйте analysisSyntax метод.

Синтаксический анализ состоит из следующих операций:

• Извлечение предложений разбивает поток текста на серия предложений.
• Токенизация разбивает поток текста на серию жетоны, каждый жетон обычно соответствует одному слову.
• Затем API естественного языка обрабатывает токены и, используя их местоположение внутри предложений добавляет к токенам синтаксическую информацию.

Полная документация по набору синтаксических токенов находится в пределах Руководство по морфологии и деревьям зависимостей.

Запросы на синтаксический анализ

запросов на синтаксический анализ отправляются в API естественного языка с использованием метод analysisSyntax в следующей форме:

{
  "документ":{
    "тип": "PLAIN_TEXT",
    "content": "Не спрашивайте, что ваша страна может сделать для вас,
               спросите, что вы можете сделать для своей страны."
  },
  "encodingType": "UTF8"
}
 

Ответы на синтаксический анализ

API естественного языка обрабатывает данный текст для извлечения предложений и жетоны. Запрос синтаксического анализа возвращает ответ, содержащий эти предложений и токенов в следующей форме:

{
  "предложения": [
    ... Массив предложений с информацией о предложении
  ],
  "токены": [
    ... Массив токенов с информацией токенов
  ]
}
 

При выполнении синтаксического анализа API естественного языка возвращает массив предложений, извлеченных из предоставленного текста, с каждым предложением содержащие следующие поля в тексте родительского элемента :

• beginOffset , указывающее (отсчитываемое от нуля) смещение символа в заданном текст, с которого начинается предложение.Обратите внимание, что это смещение рассчитывается с использованием передано encodingType .
• содержимое , содержащее полный текст извлеченного предложения.

Например, следующий элемент предложений получен для синтаксического Запрос на анализ Геттисберга Адрес:

{
  "предложения": [
    {
      "text": {
        "content": "Четыре десятка семь лет назад наши отцы родили
                    на этом континенте новая нация, зародившаяся на свободе и
                    посвященный утверждению, что все мужчины созданы
                    равный.",
        "beginOffset": 0
      }
    },
    {
      "text": {
        "content": "Сейчас мы вовлечены в большую гражданскую войну, проверяя, сможет ли
                    эта нация или любая нация, задуманная и преданная своему делу, может
                    долго терпеть. ",
        "beginOffset": 175
      }
    },
...
...
    {
      "text": {
        "content": "Нам лучше быть здесь, посвятив себя великой задаче.
                    оставшиеся перед нами - что от этих почитаемых мертвецов мы берем
                    усиление преданности делу, ради которого они
                    последняя полная мера преданности - что мы здесь очень решаем
                    что эти мертвые не умерли напрасно, что этот
                    нация под властью Бога получит новое рождение свободы, и это
                    правительство народа, народом, для народа
                    не исчезнет с земли.",
        "beginOffset": 1002
      }
    }
  ],
  "язык": "ru"
}
 

Запрос синтаксического анализа к API естественного языка также будет включать набор жетонов. Вы можете использовать информацию, связанную с каждым токеном, для выполнения дальнейший анализ возвращенных предложений. Более подробную информацию об этих токенах можно можно найти в руководстве по морфологии и деревьям зависимостей.

Токенизация

Метод analysisSyntax также преобразует текст в серию токенов, которые соответствуют различным текстовым элементам (границам слов) переданного содержание.Процесс, с помощью которого API естественного языка разрабатывает этот набор токенов известен как токенизация .

После извлечения этих токенов API естественного языка обрабатывает их, чтобы определить ассоциированную с ними часть речи (в том числе морфологическую) информацию) и лемму. Кроме того, токены оцениваются и помещаются в дерево зависимостей , которое позволяет определять синтаксическое значение токенов и проиллюстрировать отношение токенов друг к другу и содержащиеся в них предложения.В синтаксическая и морфологическая информация, связанная с этими токенами, полезна для понимания синтаксической структуры предложений в естественном Языковой API.

Появляется набор полей токенов, возвращаемых в ответе JSON синтаксического анализа. ниже:

• текст содержит текстовые данные, связанные с этим токеном, с следующие дочерние поля:

  • beginOffset содержит (отсчитываемое от нуля) смещение символа в пределах предоставленный текст.Обратите внимание, что хотя зависимости (описанные ниже) существуют только внутри предложений смещения лексем позиционируются в тексте как целое. Обратите внимание, что это смещение рассчитывается с использованием переданного encodingType .
  • содержимое содержит фактическое текстовое содержимое исходного текста.

• partOfSpeech предоставляет грамматическую информацию, включая морфологическая информация, о токене, например, время токена, человек, число, пол и т. д.(Для получения более полной информации по этим полям см. Руководство по морфологии и деревьям зависимостей.)

• лемма содержит «корневое» слово, на котором основано это слово, которое позволяет канонизировать использование слов в тексте. Например, слова «писать», «писать», «писать» и «писать» основаны на одном и том же лемма («писать»). Кроме того, формы множественного и единственного числа основаны на леммах: «дом» и «дома» относятся к одной и той же форме. (Видеть Лемма (морфология).)

• dependencyEdge поля определяют взаимосвязь между словами в предложение, содержащее токен через ребра в ориентированном дереве. Этот информация может быть полезна для перевода, извлечения информации и Обобщение. (Руководство по морфологии и деревьям зависимостей содержит более подробная информация о разборе зависимостей.) Каждый dependencyEdge поле содержит следующие дочерние поля:

  • headTokenIndex предоставляет (отсчитываемое от нуля) значение индекса этого токена «родительский токен» в инкапсулирующем предложении токена.Жетон с нет родительских индексов.
  • Метка предоставляет тип зависимости этого токена от его головы токен.

Следующая цитата из Инаугурационная речь Франклина Д. Рузвельта произведет следующие токены:

ПРИМЕЧАНИЕ: все теги partOfSpeech , содержащие значения * _UNKNOWN , были удалены. для ясности.

 "токены": [
    {
      "text": {
        "content": "The",
        "beginOffset": 4
      },
      "часть речи": {
        "tag": "DET",
      },
      "dependencyEdge": {
        "headTokenIndex": 2,
        "label": "DET"
      },
      "лемма": "The"
    },
    {
      "text": {
        "content": "only",
        "beginOffset": 8
      },
      "часть речи": {
        "tag": "ADJ",
      },
      "dependencyEdge": {
        "headTokenIndex": 2,
        "label": "AMOD"
      },
      "лемма": "только"
    },
    {
      "text": {
        "content": "вещь",
        "beginOffset": 13
      },
      "часть речи": {
        "tag": "СУЩЕСТВИТЕЛЬНОЕ",
        "number": "SINGULAR",
      },
      "dependencyEdge": {
        "headTokenIndex": 7,
        "label": "NSUBJ"
      },
      "лемма": "вещь"
    },
    {
      "text": {
        "content": "мы",
        "beginOffset": 19
      },
      "часть речи": {
        "tag": "PRON",
        "case": "НОМИНАТИВНЫЙ",
        "число": "МНОЖЕСТВЕННОЕ",
        "person": "ПЕРВЫЙ",
      },
      "dependencyEdge": {
        "headTokenIndex": 4,
        "label": "NSUBJ"
      },
      "лемма": "мы"
    },
    {
      "text": {
        "контент": "иметь",
        "beginOffset": 22
      },
      "часть речи": {
        "tag": "ГЛАГОЛ",
        «настроение»: «ПОКАЗАТЕЛЬНО»,
        "tense": "НАСТОЯЩЕЕ",
      },
      "dependencyEdge": {
        "headTokenIndex": 2,
        "label": "RCMOD"
      },
      "лемма": "иметь"
    },
    {
      "text": {
        "content": "to",
        "beginOffset": 27
      },
      "часть речи": {
        "tag": "PRT",
      },
      "dependencyEdge": {
        "headTokenIndex": 6,
        "label": "AUX"
      },
      "лемма": "к"
    },
    {
      "text": {
        "content": "страх",
        "beginOffset": 30
      },
      "часть речи": {
        "tag": "ГЛАГОЛ",
      },
      "dependencyEdge": {
        "headTokenIndex": 4,
        "label": "XCOMP"
      },
      "лемма": "страх"
    },
    {
      "text": {
        "content": "is",
        "beginOffset": 35
      },
      "часть речи": {
        "tag": "ГЛАГОЛ",
        «настроение»: «ПОКАЗАТЕЛЬНО»,
        "number": "SINGULAR",
        "person": "ТРЕТИЙ",
        "tense": "НАСТОЯЩЕЕ",
      },
      "dependencyEdge": {
        "headTokenIndex": 7,
        "label": "ROOT"
      },
      "лемма": "быть"
    },
    {
      "text": {
        "content": "страх",
        "beginOffset": 38
      },
      "часть речи": {
        "tag": "СУЩЕСТВИТЕЛЬНОЕ",
        "number": "SINGULAR",
      },
      "dependencyEdge": {
        "headTokenIndex": 7,
        "label": "ATTR"
      },
      "лемма": "страх"
    },
    {
      "text": {
        "content": "сам",
        "beginOffset": 43
      },
      "часть речи": {
        "tag": "PRON",
        "case": "ОБВИНЕНИЕ",
        "пол": "НЕЙТЕР",
        "number": "SINGULAR",
        "person": "ТРЕТИЙ",
      },
      "dependencyEdge": {
        "headTokenIndex": 8,
        "label": "NN"
      },
      "лемма": "сама"
    },
    {
      "text": {
        "содержание": ".",
        "beginOffset": 49
      },
      "часть речи": {
        "tag": "PRON",
        "case": "ОБВИНЕНИЕ",
        "пол": "НЕЙТЕР",
        "number": "SINGULAR",
        "person": "ТРЕТИЙ",
      },
      "dependencyEdge": {
        "headTokenIndex": 8,
        "label": "NN"
      },
      "лемма": "сама"
    },
    {
      "text": {
        "содержание": ".",
        "beginOffset": 49
      },
      "часть речи": {
        "tag": "PUNCT",
      },
      "dependencyEdge": {
        "headTokenIndex": 7,
        "label": "P"
      },
      "лемма": "."
    }
  ],

 

Классификация содержимого

Вы можете заставить API естественного языка проанализировать документ и вернуть список категорий контента, которые применяются к тексту в документе. Классифицировать содержимое документа, вызовите метод classifyText .

Полный список категорий контента, возвращенных для classifyText метод можно найти здесь.

API естественного языка фильтрует категории, возвращаемые classifyText , чтобы включить только самые релевантные категории для запрос.Например, если / Science и / Science / Astronomy оба применимы к документ, то возвращается только категория / Наука / Астрономия , так как это более конкретный результат.

Пример классификации содержимого с помощью API естественного языка см. Классификация контента.

Выполнение нескольких операций за один запрос

Если вы хотите выполнить набор операций на естественном языке в рамках одного вызов метода, вы можете использовать annotateText как естественный язык общего назначения Запрос API.Запрос JSON с текстовой аннотацией похож на стандартный запрос Entity Analysis, но дополнительно требует набор пройденных Особенности для обозначения операций, которые нужно выполнить с текстом. Эти функции перечислены ниже:

• extractDocumentSentiment выполняет анализ тональности, как описано в Раздел анализа настроений.
• extractEntities выполняет анализ сущностей, как описано в Раздел Entity Analysis.
• extractSyntax указывает, что данный текст должен быть обработан для выполнения синтаксический анализ, как описано в Раздел синтаксического анализа.

Следующий запрос вызывает API для аннотирования функций в коротком предложении.

 {
 "документ":{
 "тип": "PLAIN_TEXT",
 "content": "Ветреная и холодная погода этой зимой была невыносимой".