自然语言处理_情感分析端口调用

背景

本科生毕业论文管理系统评阅模块,需要根据教师评语自动生成评阅分数,简化评阅操作。因此,对评语进行分词、语义识别和情感分析,智能生成分数。

现阶段成果

已在服务器212上搭建完成整个后端以及数据分析模块,在大数据与云计算中心内网,最快能在0.317s内完成评分,正常在3s内完成评分。

以下为情感分析端口调用概要

呈现效果

NLP.gif

情感分析

后端调用

/**
     * 调用西南林业大学大数据与云计算中心情感识别API
     * 每分钟调用上限6000次
     * @param suggest 评语
     * @throws Exception
     */
    @RequiresPermissions("studwork:studwork1:studWork1:view")
    @RequestMapping(value = {"cloudCenterAPI"})
    public void cloudCenterAPI(String suggest, HttpServletResponse response) throws Exception {
        TreeMap<String, Object> config = new TreeMap<String, Object>();
        // 云中心提供
        config.put("SecretId", "id");
        // 云中心提供
        config.put("SecretKey", "key");
        // 请求方法类型 POST、GET
        config.put("RequestMethod", "POST");
        // 区域参数,例如 ap-guangzhou
        config.put("DefaultRegion", "ap-guangzhou");
        // 在这里指定所要用的签名算法,不指定默认为 HmacSHA1
        config.put("SignatureMethod", "HmacSHA256");
        // 调用api 模块 module name = “调用模块名”
        Morphling morphling = new Morphling("module name");
        CloudCenterApiModuleCenter module = new CloudCenterApiModuleCenter(morphling, config);
        String action = "TextSentiment";
        TreeMap<String, Object> params = new TreeMap<String, Object>();
        params.put("content", suggest);
        // System.out.println(suggest);
        // generateUrl 方法生成请求串
        // System.out.println(module.generateUrl(action, params));
        String result = null;
        try {
            // call 方法正式向指定的接口名发送请求,并把请求参数 params 传入,返回即是接口的请求结果。
            result = module.call(action, params);
            PrintWriter out = response.getWriter();
            out.print(result);
            out.close();
            // System.out.println(score);
        } catch (Exception e) {
            System.out.println("error..." + e.getMessage());
        }
    }

前端请求

$(document).ready(function () {
            $("#score").click(function () {
                // 获取评阅意见
                var txt = $("#content").val();
                var score = $("#score").val();
                if ((score == null || score == '') && (txt != null || txt != '')) (
                    loading('正在评分,请稍等...'),
                        $("#score").load(
                            "${ctx}/studwork/studwork1/studWork1/cloudCenterAPI",
                            {suggest: txt},
                            function (response) {
                                closeLoading();
                                $("#score").val(response);
                            }
                        )
                )
            });
        });

反馈结果Demo

{
  "positive":"0.77777777",
  "negative":"0.33333333"
}
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,258评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,335评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,225评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,126评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,140评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,098评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,018评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,857评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,298评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,518评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,400评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,993评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,638评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,661评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容