华为Could API人工智能系列——依存语法分析

前言

云原生时代，开发者们的编程方式、编程习惯都发生了天翻地覆的变化，大家逐渐地习惯在云端构建自己的应用。作为新一代的开发者们，如何更快速了解云，学习云，使用云，更便捷、更智能的开发代码，从而提升我们的开发效率，是当前最热门的话题之一，而Huawei Cloud Toolkit,作为连接华为云的百宝箱，是集成在各大IDE平台上的插件集合，会在方方面面提升着开发者的效率。

华为云API开发套件助力开发者快速集成华为云，可做到便捷连接200+的华为云服务，引用7000+的华为云API服务，在IDE中集成华为云的功能，让开发者与云端华为云建立连接。

智能编码方面集成了华为云自主研发的代码大模型和软件分析技术，全场景函数级、行级代码生成，同规模算力一次通过业界第一，这会帮助开发者更为高效的使用自动语义生成，达到快速开发的目的，使整个过程更智能。

环境准备

开发语言：Python

开发工具：PyCharm Community Edition 2023.1.4

PyCharm插件：

1、Chinese (Simplified) Language Pack /中文语言包

2、Huawei Cloud API：华为云API插件提供华为云服务全量API检索、调试、SDK代码自动补全、集成华为云CLI、示例代码等功能

3、Huawei Cloud CodeArts Check：华为云代码检查插件提供业界规范（含华为云）检查，支持一键格式化和代码自动修复，当前支持Java、C++、C，这个使您使用的环境操作即可，我这里用的python没有提示。

4、Huawei Cloud CodeArts Snap：华为云 CodeArt Snap 智能编程助手致力于打造现代化开发新范式，通过将自然语言转化为规范可阅读、无开源漏洞的编程语言，提升开发者编码效率，助力企业快速响应市场不确定性；

5、Huawei Cloud Toolkit Platform：华为云底座插件为华为云各类云服务插件提供公共能力，比如单点登录、UI集成、API访问等功能；

PyCharm环境的搭建：https://laoshifu.blog.csdn.net/article/details/135279145

API接口开通地址：https://console.huaweicloud.com/nlp/#/nlp/overview 

依存语法分析

识别句子中词汇与词汇之间的相互依存关系。

开通操作地址：https://console.huaweicloud.com/nlp/#/nlp/overview

开通完毕：

请求参数

Body 参数

返回参数

API调试

测试文本：【红目香薰祝大家24年洪福齐天，寿比南山。】

返回结果

内容比较多：

{
 "words": [
  {
   "dependency_label": "att",
   "head_word_id": 2,
   "id": 1,
   "pos": "NN",
   "word": "红目"
  },
  {
   "dependency_label": "subj",
   "head_word_id": 3,
   "id": 2,
   "pos": "NN",
   "word": "香薰"
  },
  {
   "dependency_label": "root",
   "head_word_id": 0,
   "id": 3,
   "pos": "VV",
   "word": "祝"
  },
  {
   "dependency_label": "subj",
   "head_word_id": 7,
   "id": 4,
   "pos": "PN",
   "word": "大家"
  },
  {
   "dependency_label": "att",
   "head_word_id": 6,
   "id": 5,
   "pos": "CD",
   "word": "24"
  },
  {
   "dependency_label": "adv",
   "head_word_id": 7,
   "id": 6,
   "pos": "M",
   "word": "年"
  },
  {
   "dependency_label": "obj",
   "head_word_id": 3,
   "id": 7,
   "pos": "NR",
   "word": "洪福齐天"
  },
  {
   "dependency_label": "punc",
   "head_word_id": 7,
   "id": 8,
   "pos": "PU",
   "word": "，"
  },
  {
   "dependency_label": "sasubj",
   "head_word_id": 7,
   "id": 9,
   "pos": "NN",
   "word": "寿比"
  },
  {
   "dependency_label": "obj",
   "head_word_id": 9,
   "id": 10,
   "pos": "NR",
   "word": "南山"
  },
  {
   "dependency_label": "punc",
   "head_word_id": 10,
   "id": 11,
   "pos": "PU",
   "word": "。"
  }
 ]
}

这是完全拆开了，挺靠谱的。

本地测试

测试完毕，文本拆分能力还是不错的，相当于分词来使用，挺好。