关于API:
在 语料库语言学 中,词性标注 (POS标注 或 PoS标注 或 POST),也称为 语法 标注,是对文本(语料库)中单词进行标记的过程,将其对应于特定的 词类,[1] 基于其定义和其 上下文。这种简化形式通常教授给学龄儿童,识别单词为 名词, 动词, 形容词, 副词等。
将任何文本作为JSON传递给此API,并接收不同词类的所有可能标签。
使用此API从给定文本中检索语义信息。
这是一个很好的机器学习训练的API。使用这些数据来训练您的模型,以便它们也可以轻松识别不同的词类。
除了每月的API调用限制外,没有其他限制。
为提供的文本标记词性(例如名词、动词、形容词、副词等)。
词性标签:
CC - 并列连词
CD - 基数
DT - 限定词
EX - 存在性there
FW - 外来词
HYPH - 连接符
IN - 介词或从属连词
JJ - 形容词
JJR - 形容词,比较级
JJS - 形容词,最高级
LS - 列表项标记
MD - 情态动词
NFP - 多余标点
NN - 名词,单数或不可数
NNP - 专有名词,单数
NNPS - 专有名词,复数
NNS - 名词,复数
PDT - 前限定词
POS - 所有格结尾
PRP - 人称代词
PRP$ - 所有格代词
RB - 副词
RBR - 副词,比较级
RBS - 副词,最高级
RP - 小品词
SYM - 符号
TO - 去
UH - 感叹词
VB - 动词,基础形式
VBD - 动词,过去时
VBG - 动词,动名词或现在分词
VBN - 动词,过去分词
VBP - 动词,非第三人称单数现在时
VBZ - 动词,第三人称单数现在时
WDT - wh-限定词
WP - wh-代词
WP$ - 所有格wh-代词
WRB - wh-副词
XX - 不明
ADD - 电子邮件
AFX - 附加词
词性标注 - 端点功能
| 对象 | 描述 |
|---|---|
请求体 |
[必需] Json |
{"badRequest": false, "creditsUsed": 1, "errors": [], "forbidden": false, "invalidSession": false, "noSessionFound": false, "notAuthorized": false, "sentences": [{"tokens": [{"labels": [{"label": "EX", "score": 0.9999990463256836}], "text": "There"}, {"labels": [{"label": "VBZ", "score": 0.9999969005584717}], "text": "is"}, {"labels": [{"label": "DT", "score": 0.9999946355819702}], "text": "a"}, {"labels": [{"label": "NN", "score": 0.999990701675415}], "text": "house"}, {"labels": [{"label": "IN", "score": 0.9999613761901855}], "text": "by"}, {"labels": [{"label": "DT", "score": 0.9999933242797852}], "text": "the"}, {"labels": [{"label": "NN", "score": 0.9998831748962402}], "text": "lake"}, {"labels": [{"label": "WDT", "score": 0.993063747882843}], "text": "that"}, {"labels": [{"label": "PRP", "score": 1.0}], "text": "we"}, {"labels": [{"label": "MD", "score": 0.9999997615814209}], "text": "could"}, {"labels": [{"label": "VB", "score": 0.9998855590820312}], "text": "use"}, {"labels": [{"label": "DT", "score": 0.999998927116394}], "text": "this"}, {"labels": [{"label": "NN", "score": 0.9999990463256836}], "text": "summer"}, {"labels": [{"label": ".", "score": 0.9999368190765381}], "text": "."}]}], "statusCode": 200, "tooManyRequests": false}
curl --location --request POST 'https://zylalabs.com/api/821/part-of-speech+tagging+api/580/pos+tagging' --header 'Authorization: Bearer YOUR_API_KEY'
--data-raw '{
"text": "There is a house by the lake that we could use this summer."
}'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
POS标记API返回一个JSON对象,其中包含所提供文本中每个标记的词性标注。响应包括“badRequest”、“creditsUsed”、“errors”和“sentences”等字段,其中每个句子包含一个带有各自标签和置信分数的标记数组
响应中的关键字段包括"badRequest"(指示请求有效性)、"creditsUsed"(消耗的积分数量)、"errors"(任何处理错误)以及"sentences"(带有标记的令牌数组的句子)
响应数据结构为JSON对象 它包含一个顶层对象,包括请求状态字段和一个“句子”数组 每个句子包含“标记” 每个标记包括“文本”和“标签”其中“标签”提供词性和置信度分数
该API提供输入文本中每个单词的词性信息,包括名词、动词、形容词、副词等标签。每个标签都附有一个置信度分数,指示标记的准确性
用户可以通过提供不同的文本输入以JSON格式来定制他们的请求。API处理任何有效的文本,允许在进行词性标注时灵活处理文本的类型和长度
典型的使用案例包括自然语言处理任务,如语义分析、文本分类以及训练机器学习模型以识别词性。它还可以用于教育工具以教导语法
数据准确性通过分析单词的上下文和定义的先进算法得以保持 该API利用机器学习技术根据广泛的语言数据集提高标记精度
用户可以期待响应中有一致的结构,每个词元根据其词性进行标记。常见模式包括每个句子多个词元,每个词元都有一个标签和得分,便于解析和分析
服务级别:
100%
响应时间:
883ms
服务级别:
100%
响应时间:
589ms
服务级别:
100%
响应时间:
2,147ms
服务级别:
100%
响应时间:
477ms
服务级别:
100%
响应时间:
21ms
服务级别:
100%
响应时间:
921ms
服务级别:
100%
响应时间:
519ms
服务级别:
100%
响应时间:
689ms
服务级别:
100%
响应时间:
173ms
服务级别:
100%
响应时间:
349ms
服务级别:
100%
响应时间:
12,176ms
服务级别:
100%
响应时间:
2,717ms
服务级别:
100%
响应时间:
3,498ms
服务级别:
100%
响应时间:
173ms
服务级别:
100%
响应时间:
206ms
服务级别:
100%
响应时间:
117ms
服务级别:
100%
响应时间:
1,007ms
服务级别:
100%
响应时间:
2,354ms
服务级别:
100%
响应时间:
1,398ms
服务级别:
100%
响应时间:
1,103ms