目标
对锤子有所了解的应该知道3.0系统出了个叫“大爆炸”的功能,会将一段文本炸开成一个个词,用来快速地“提取”信息,这个功能有个关键技术就是分词。
以下将介绍如何使用PullWord和C++ REST SDK来完成分词功能。
PullWord
一个基于深度学习的中文在线抽词服务,可以将文本抽取出相应的词汇。
我们可以使用HTTP的GET或者POST方法向PullWord发出请求,如果一切正常,PullWord会返回对应的结果;
- 查询请求(request)的构造方法为:
source=要抽词的文本¶m1=阈值¶m2=调试
- 如果使用GET方法,HTTP请求的URL为:
- 如果使用POST方法,则HTTP请求的URL为:
并且在HTTP请求体中存放request
字符串。
- 在调试关闭(为0)的情况下,返回的结果是以
\r\n
分隔开的一个个词汇:
word1\r\n
word2\r\n
...
wordn\r\n
- 在调试开启(为1)的情况下,返回的结果包含了其概率:
word1:probability(word1)\r\n
word2:probability(word2)\r\n
...
word:probability(wordn)n\r\n
- 阈值是用来过滤词汇结果的,取值范围为[0,1],小于该阈值的在返回结果中不会出现;
- 输入输出编码必须为UTF8;
- 如果使用IP形式访问,则对应的
http://www.pullword.com/
要替换成http://43.241.223.121/
或者http://120.26.6.172/
C++ REST SDK
微软开源的云通信库,该项目旨在帮助C++开发者与在线服务进行交互;其使用了异步的C++ API设计,将微软的PPL库中task部分抽取出来支持异步。
安装方式有两种:
支持以下特性:
- 基于Task编程
- JSON
- 异步流
- URI操作
- HTTP客户端
- HTTP监听器
- WebSocket客户端
- OAuth验证
如何实现
- 构造URL
- [可选]构造HTTP请求体
- 发起HTTP请求
- 解析HTTP响应
对应源代码如下:
#include <cpprest\http_client.h>
#include <cpprest\filestream.h>
utility::string_t RequestPullword(utility::string_t source, double threshold, bool debug)
{
using namespace utility;
using namespace web;
using namespace web::http;
using namespace web::http::client;
static const wchar_t* base_url = L"http://api.pullword.com/";
static bool get_or_post = true;
utility::string_t result;
try
{
[=]()->pplx::task<http_response> {
uri_builder builder(U("/get.php"));
//1.构造请求
builder.append_query(U("source"), source);
builder.append_query(U("param1"), threshold);
builder.append_query(U("param2"), debug ? 1 : 0);
//3.发起HTTP请求
http_client client(base_url);
if (get_or_post)
return client.request(methods::GET, builder.to_string());
return client.request(methods::POST, U("/post.php"), builder.query());
}().then([=](http_response response) {
//4.解析HTTP响应
if (response.status_code() == 200)
return response.extract_string();
return pplx::task_from_result(utility::string_t());
}).then([&](utility::string_t body){
result = body;
}).wait();
}
catch (const std::exception &e)
{
(e);//handle exception
}
return result;
}
测试如下:
int main(int argc, char** argv)
{
auto result = RequestPullword(L"李彦宏是马云最大威胁嘛?",0,true);
return 0;
}
结果如下:
分词测试结果
网友评论