调用百度API进行文本纠错

Posted 2022-05-09 baobaotql

  毕设做的是文本纠错方面，然后今天进组见研究生导师 。老师对我做的东西蛮感兴趣。然后介绍自己现在做的一些项目，其中有个模块需要有用到文本纠错功能。

要求1：有多人同时在线编辑文档，然后文档功能有类似Word中的在疑似错误下标浪线，或者标记高亮，并且要推荐修改选项

要求2：语料数据的获取、处理以及完善

要求3：文章写完后要有生成keyword 

根据老师所讲要查阅文献，以及已有项目来分析可行性，首先想到之前曾有同学调用百度API来进行文档的纠错，然后在这里试了一下。

API描述

识别输入文本中有错误的片段，提示错误并给出正确的文本结果。支持短文本、长文本、语音等内容的错误识别，纠错是搜索引擎、语音识别、内容审查等功能更好运行的基础模块之一。

 

Step 1  获取assess_token

根据百度开发手册 ，我们需要进行获取assess_token（用户身份验证和授权的凭证）

详细请见百度开发手册 

因为百度所给的实例中是python2    然后我用的是python3  会有一些变化  这里只贴python3代码供自己回忆参考

import urllib.request
import urllib,sys
import ssl

# client_id 为官网获取的AK， client_secret 为官网获取的SK
host = ‘https://aip.baidubce.com/oauth/2.0/token?‘        ‘grant_type=client_credentials&client_id=**********&client_secret=**************‘
request = urllib.request.Request(host)
request.add_header(‘Content-Type‘, ‘application/json; charset=UTF-8‘)
response = urllib.request.urlopen(request)
content = response.read()
if (content):
    print(content)

 

执行代码后  可在控制台中看到所要的token_key

另附实例

# -*- coding: utf-8 -*-

import urllib
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】

#获取token
def get_token():
    host = ‘https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=‘ + client_id + ‘&client_secret=‘ + client_secret
    request = urllib.request.Request(host)
    request.add_header(‘Content-Type‘, ‘application/json; charset=UTF-8‘)
    response = urllib.request.urlopen(request)
    token_content = response.read()
    if token_content:
        token_info = json.loads(token_content)
        token_key = token_info[‘access_token‘]
    return token_key

 

Step 2 文本纠错应用部分

POST方式调用

注意：要求使用JSON格式的结构体来描述一个请求的具体内容。

body整体文本内容可以支持GBK和UTF-8两种格式的编码。

URL参数：参数 值

access_token 通过API Key和Secret Key获取的access_token,参考“Access Token获取”

Header如下：参数 值

Content-Type application/json

返回说明

参数 说明 描述

log_id uint64 请求唯一标识码

correct_query string 纠错后的文本

score double 模型置信度打分

item object 分析结果

+vec_fragment list 替换候选片段信息

++ori_frag string 原片段

++correct_frag double 替换片段

++begin_pos int 起始(长度单位)

++end_pos list 结尾(长度单位)

# -*- coding: utf-8 -*-
#!/usr/bin/env python

import urllib
import json
#Access Token的有效期为30天（以秒为单位），请您集成时注意在程序中定期请求新的token

#client_id 为官网获取的AK， client_secret 为官网获取的SK

client_id =‘Qk9yAcidNfHIeg63zCATZd2I‘
client_secret =‘gSjzxo0M7ZtBCQaMGgkBtfcrrIrWLPRC‘

#获取token
def get_token():
    host = ‘https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=‘ + client_id + ‘&client_secret=‘ + client_secret
    request = urllib.request.Request(host)
    request.add_header(‘Content-Type‘, ‘application/json; charset=UTF-8‘)
    response = urllib.request.urlopen(request)
    token_content = response.read()
    if token_content:
        token_info = json.loads(token_content)
        token_key = token_info[‘access_token‘]
    return token_key


def txt_correction(content):
    print(‘原文：‘, content)
    token = get_token()
    url = ‘https://aip.baidubce.com/rpc/2.0/nlp/v1/ecnet‘
    params = dict()
    params[‘text‘] = content
    params = json.dumps(params).encode(‘utf-8‘)
    access_token = token
    url = url + "?access_token=" + access_token
    request = urllib.request.Request(url=url, data=params)
    request.add_header(‘Content-Type‘, ‘application/json‘)
    response = urllib.request.urlopen(request)
    content = response.read()
    if content:
        content = content.decode(‘GB2312‘)
        data = json.loads(content)

        item = data[‘item‘]
        print(‘纠错后：‘, item[‘correct_query‘])
        print(‘Score：‘, item[‘score‘])


txt_correction(‘汽车形式在这条道路上‘)

运行结果如下：

>> 原文：汽车形式在这条道路上
>> 纠错后：汽车行驶在这条公路上
>> Score：0.982835