文心大模型文档

ERNIE 3.0技能使用示例


说明:

  • \n代表回车
  • 使用时请将{input_text}、{content} 等替换成待处理的文本,大括号需要删除
  • 如果希望生成的文本从中间填充,请用【MASK】代表需要希望在文本中插入的位置,最多有一个

问题生成

基于一篇文章或者一个优质的内容生成对应的问题

模版示例

说明:\代表转义,比如\n代表换行

  • 输入模板示例:
# 类型1:给定答案,生成问题。
问题:[MASK]?
答案:{answer}

# 类型2:给定文章与答案,生成问题。
文本:{content}
问题:[MASK]
答案:{answer}
  • 其他输入模板示例:
# 类型1:给定答案,生成问题。
# 示例1: 
问题:[MASK]\n答案:{answer}
# 示例2:
答案:{answer}\n问题:[MASK]# 示例3:
提一个问题,使得问题答案是{answer}\n提问:[MASK]# 类型2:给定文章与答案,生成问题。
# 示例1:
文本:{content}\n答案:{answer}\n问题:[MASK]
# 示例2:
基于文本和答案生成问题。文本:{content}\n答案:{answer}\n问题:
# 示例3:
"{content}"中,"{answer}"是什么问题的答案?
# 示例4:
"{content}"\n针对上面的文本提一个问题,使得问题答案是{answer}\n提问:

输入示例

说明:\代表转义,比如\n代表换行。

# 类型1:给定答案,生成问题。
answer: 
在调用接口时,您需要配置一下参数。您可以按照默认的参数配置进行调用,也可以参考以下参数描述修改某些参数的配置来满足您的特定需求。

# 类型2:给定文章与答案,生成问题。
content:
选择燃气热水器时,一定要关注这几个问题:1、出水稳定性要好,不能出现忽热忽冷的现象2、快速到达设定的需求水温3、操作要智能、方便4、安全性要好,要装有安全报警装置 市场上燃气热水器品牌众多,购买时还需多加对比和仔细鉴别。方太今年主打的磁化恒温热水器在使用体验方面做了全面升级:9秒速热,可快速进入洗浴模式;水温持久稳定,不会出现忽热忽冷的现象,并通过水量伺服技术将出水温度精确控制在±0.5℃,可满足家里宝贝敏感肌肤洗护需求;配备CO和CH4双气体报警装置更安全(市场上一般多为CO单气体报警)。另外,这款热水器还有智能WIFI互联功能,只需下载个手机APP即可用手机远程操作热水器,实现精准调节水温,满足家人多样化的洗浴需求。当然方太的磁化恒温系列主要的是增加磁化功能,可以有效吸附水中的铁锈、铁屑等微小杂质,防止细菌滋生,使沐浴水质更洁净,长期使用磁化水沐浴更利于身体健康。\n问题:[MASK]\n答案:方太

拼接后的输入

# 类型1:给定答案,生成问题。
问题:[MASK]?
答案:在调用接口时,您需要配置一下参数。您可以按照默认的参数配置进行调用,也可以参考以下参数描述修改某些参数的配置来满足您的特定需求。

# 类型2:给定文章与答案,生成问题。
文本:选择燃气热水器时,一定要关注这几个问题:1、出水稳定性要好,不能出现忽热忽冷的现象2、快速到达设定的需求水温3、操作要智能、方便4、安全性要好,要装有安全报警装置 市场上燃气热水器品牌众多,购买时还需多加对比和仔细鉴别。方太今年主打的磁化恒温热水器在使用体验方面做了全面升级:9秒速热,可快速进入洗浴模式;水温持久稳定,不会出现忽热忽冷的现象,并通过水量伺服技术将出水温度精确控制在±0.5℃,可满足家里宝贝敏感肌肤洗护需求;配备CO和CH4双气体报警装置更安全(市场上一般多为CO单气体报警)。另外,这款热水器还有智能WIFI互联功能,只需下载个手机APP即可用手机远程操作热水器,实现精准调节水温,满足家人多样化的洗浴需求。当然方太的磁化恒温系列主要的是增加磁化功能,可以有效吸附水中的铁锈、铁屑等微小杂质,防止细菌滋生,使沐浴水质更洁净,长期使用磁化水沐浴更利于身体健康。
问题:[MASK]
答案:方太

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "文本:选择燃气热水器时,一定要关注这几个问题:1、出水稳定性要好,不能出现忽热忽冷的现象2、快速到达设定的需求水温3、操作要智能、方便4、安全性要好,要装有安全报警装置 市场上燃气热水器品牌众多,购买时还需多加对比和仔细鉴别。方太今年主打的磁化恒温热水器在使用体验方面做了全面升级:9秒速热,可快速进入洗浴模式;水温持久稳定,不会出现忽热忽冷的现象,并通过水量伺服技术将出水温度精确控制在±0.5℃,可满足家里宝贝敏感肌肤洗护需求;配备CO和CH4双气体报警装置更安全(市场上一般多为CO单气体报警)。另外,这款热水器还有智能WIFI互联功能,只需下载个手机APP即可用手机远程操作热水器,实现精准调节水温,满足家人多样化的洗浴需求。当然方太的磁化恒温系列主要的是增加磁化功能,可以有效吸附水中的铁锈、铁屑等微小杂质,防止细菌滋生,使沐浴水质更洁净,长期使用磁化水沐浴更利于身体健康。\n问题:[MASK]\n答案:方太",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "QuestionGeneration",
"penalty_text": "[]{}",
"min_dec_penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "QuestionGeneration",
"penalty_text": "[]{}",
"min_dec_penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "QuestionGeneration",
"penalty_text": "[]{}",
"min_dec_penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置3
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "",
"penalty_text": "[]{}",
"min_dec_penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}

结果示例

# 类型1的输出:给定答案,生成问题。
怎么调用接口

# 类型2的输出:给定文章与答案,生成问题。
燃气热水器哪个牌子好

作文创作

基于给定的作文题目创作出一篇作文

模版示例

说明:\代表转义,比如\n代表换行

  • 输入模板示例:
作文题目:{input_text}
正文:
  • 其他输入模板示例:
# 示例1:
作文题目:{input_text}\n内容:
# 示例2:
请写一篇以{input_text}为标题的作文。
# 示例3:
作文标题:{input_text}\n正文:

输入示例

拔河比赛

拼接后的输入

作文题目:拔河比赛
正文:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.composition import Composition
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "作文题目:拔河比赛\n正文:",
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 128,
    "is_unidirectional": 0,
    "task_prompt": "zuowen"
}
rst = Composition.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 128,
    "is_unidirectional": 0,
    "task_prompt": "zuowen"
}
# 建议配置2
{
    "seq_len": 1000,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 128,
    "is_unidirectional": 0,
    "task_prompt": "zuowen"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.15,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "zuowen"
}

结果示例

今天下午,阳光灿烂。我们全体同学兴高采烈地来到运动场观看拔河比赛。只见参加比赛的队伍有四支:三、五、六年级的哥哥姐姐组成的一支队伍;还有以前很少举行比赛的光华与太平街小学组成的二支队伍。两支强手狭路相逢,不知谁会更胜一筹呢?随着裁判的哨声响起,两边拉开了架势准备比赛。两位“大力士”站在绳中央,摆出了射箭姿态——身子稍向后倾,深呼吸,挺直腰杆儿,精神抖擞…… 这时,观众席上传来一阵热烈的掌声,原来他们为自己喜欢的队伍助威呐喊!过了半晌,参加比赛的同学像猛虎下山似的冲向终点线。比分是六年级零比三败给了三、五年级;光华与太平街小学二比二打平。两队争先恐后。第七局是决定胜负的最后一战,双方都派出强将顶住压力,信心十足,牙齿咬得“咯吱咯吱”作响!顿时大家更使出浑身解数,使上自己的吃奶劲儿。在观众台周围,许多叔叔阿姨爷爷奶奶们拿着饮料瓶前来助威,给运动员洒水降温,让他们全身湿透了才回去,并说:“你们真棒!”拉拉队们发挥团结协作能力,相互鼓励。终于,三、五年级获胜啦!为本次活动画上了圆满的句号。我暗暗想,等比赛再多一些就好了,那我一定要参加。

文案创作

基于给定的产品标题(可包含产品属性)创作出一篇吸引人的广告文案

模版示例

说明:\代表转义,比如\n代表换行

  • 输入模板示例:
# 示例1:基于产品标题生成文案。
标题:{input_text}
文案:

# 示例2:基于产品属性生成文案。
产品属性:{input_text}
文案:
  • 其他输入模板示例:
# 示例1:
产品标题:{input_text}\n产品描述:
# 示例2:
产品标题:{input_text}\n产品文案:
# 示例3:
标题:{input_text}\n请写出针对上述产品的广告:
# 示例4:
产品属性:{input_text}\n根据上述产品属性生成产品文案:
# 示例5:
产品属性:{input_text}\n文案:
# 示例6:
属性:{input_text}\n产品描述:

输入示例

# 示例1:基于产品标题生成文案。
芍药香氛的沐浴乳

# 示例2:基于产品属性生成文案。
类型:裤。版型:宽松;裤型:阔腿裤|版型:宽松|材质|图案:线条;风格:性感|颜色,风格

拼接后的输入

# 示例1:基于产品标题生成文案。
标题:芍药香氛的沐浴乳
文案:

# 示例2:基于产品属性生成文案。
产品属性:类型:裤。版型:宽松;裤型:阔腿裤|版型:宽松|材质|图案:线条;风格:性感|颜色,风格
文案:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.official_documents import OfficialDocuments
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "标题:芍药香氛的沐浴乳\n文案:",
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 32,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}
rst = OfficialDocuments.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 32,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}
# 建议配置2
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}

结果示例

# 示例1:基于产品标题生成文案。
高贵芍药香氛沐浴露,低泡温和更滋润。可在身上长久的留下淡雅花香,如同刚刚摘下来一般保湿舒缓,味道恬静安神,质地轻薄易冲洗更是方便!

# 示例2:基于产品属性生成文案。
一款简单宽松的阔腿裤,没有太多多余的设计元素。 宽松挺括的裤型,包容腿型的不足,分分钟打造笔直大长腿。 丝滑舒适的面料,透气性强。 腰部微微收紧,凸显迷人线条,性感撩人。 利用颜色的对比,简单的风格,体现极高的设计水平。

文本摘要

基于给定的长文本,归纳总结其核心内容,得到其摘要或者标题

模版示例

说明:\代表转义,比如\n代表换行

  • 输入模板示例:
新闻:{input_text}
摘要:
  • 其他输入模板示例:
# 标题生成:
# 示例1:
请给下面这段话取一个标题:"{input_text}" 
# 示例2:
如果给下面这段话"{input_text}"\n取一个标题,你会写:
# 示例3:
"{input_text}"\n给这段话一个合适的标题:
# 示例4:
文章:"{input_text}"\n标题:
# 示例5:
给下面这段话写一个简短的标题:{input_text}\n回答:

# 摘要生成:
# 示例1:
请给下面这段话写一句摘要:"{input_text}"
# 示例2:
{input_text}\n一句话概括上面的段落:
# 示例3:
{input_text}\n简而言之,就是:
# 示例4:
文章:{input_text}\n一句话总结一下:
# 示例5:
一句话写出下面段落的大意。{input_text}\n回答:

输入示例

外媒718日报道,阿联酋政府当日证实该国将建设首个核电站,以应对不断上涨的用电需求。分析称阿联酋作为世界第三大石油出口国,更愿意将该能源用于出口,而非发电。首座核反应堆预计在2017年运行。cntv李婉然编译报道

拼接后的输入

新闻:外媒718日报道,阿联酋政府当日证实该国将建设首个核电站,以应对不断上涨的用电需求。分析称阿联酋作为世界第三大石油出口国,更愿意将该能源用于出口,而非发电。首座核反应堆预计在2017年运行。cntv李婉然编译报道
摘要:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.summarization import Summarization
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "文章:外媒7月18日报道,阿联酋政府当日证实该国将建设首个核电站,以应对不断上涨的用电需求。分析称阿联酋作为世界第三大石油出口国,更愿意将该能源用于出口,而非发电。首座核反应堆预计在2017年运行。cntv李婉然编译报道\n摘要:",
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.0,
    "min_dec_len": 4,
    "is_unidirectional": 0,
    "task_prompt": "Summarization"
}
rst = Summarization.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.0,
    "min_dec_len": 4,
    "is_unidirectional": 0,
    "task_prompt": "Summarization"
}
# 建议配置2
{
    "seq_len": 128,
    "topp": 0.5,
    "penalty_score": 1.0,
    "min_dec_len": 4,
    "is_unidirectional": 0,
    "task_prompt": "Summarization"
}
# 建议配置3
{
    "seq_len": 128,
    "topp": 0.3,
    "penalty_score": 1.0,
    "min_dec_len": 4,
    "is_unidirectional": 0,
    "task_prompt": "Summarization"
}

结果示例

阿联酋将建首座核电站

对对联

基于给定的上联,生成相关联的下联

模版示例

说明:\代表转义,比如\n代表换行

  • 输入模板示例
# 示例1:
上联:{input_text}
下联:
  • 其他输入模板示例:
# 示例1:
对对联:{input_text}\n
# 示例2:
{input_text}\n下一句:

输入示例

五湖四海皆春色

拼接后的输入

上联:五湖四海皆春色
下联:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.couplet import Couplet
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "上联:五湖四海皆春色\n下联:",
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.0,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "couplet"
}
rst = Couplet.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.0,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "couplet"
}
# 建议配置2
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.0,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "couplet"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.0,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "couplet"
}

结果示例

万水千山尽得辉

自由问答

基于给定的问题,生成问题对应的答案

模版示例

说明:\代表转义,比如\n代表换行

  • 输入模板示例:
问题:{input_text}
回答:
  • 其他输入模板示例:
# 示例1:
问题:{input_text}\n答案:
# 示例2:
请问:{input_text}\n
# 示例3:
{input_text}\n请回答这个问题。

输入示例

交朋友的原则是什么?

拼接后的输入

问题:交朋友的原则是什么?
回答:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.free_qa import FreeQA
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "问题:交朋友的原则是什么?\n回答:",
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "min_dec_penalty_text": "。?:!",
    "is_unidirectional": 0,
    "task_prompt": "qa",
    "mask_type": "word"
}
rst = FreeQA.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "min_dec_penalty_text": "。?:!",
    "is_unidirectional": 0,
    "task_prompt": "qa",
    "mask_type": "word"
}
# 建议配置2
{
    "seq_len": 256,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "min_dec_penalty_text": "。?:!",
    "is_unidirectional": 0,
    "task_prompt": "qa",
    "mask_type": "word"
}
# 建议配置3
{
    "seq_len": 128,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "adtext"
}

结果示例

真诚,平等。你要看他是否有上进心,或者说能不能给你带来利益,再就是交朋友的原则了!我觉得这样挺好的,真实一点比较好。只有自己知道怎么做才会更加快乐。其实最重要的还是看那个人对待你的态度和方式吧。如果你在乎她,她也在乎你,你们之间都相互尊重、理解、包容、体谅的话,应该可以成为很好的朋友。但是前提是,两个人必须都愿意把彼此当作真正的朋友,并且愿意付出努力去经营这段关系。毕竟感情是需要用心去维护的,而不是单纯地通过物质条件所能获取的。我认为人与人之间的相处贵在真诚,所谓君子之交淡如水.希望你找到属于你的幸福!

小说续写

基于给定的小说上文进行续写

模版示例

直接续写,无模板

输入示例

昆仑山可以说是天下龙脉的根源,所有的山脉都可以看作是昆仑的分支。这些分出来的枝枝杈杈,都可以看作是一条条独立的龙脉。

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.novel import Novel
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
    "text": "昆仑山可以说是天下龙脉的根源,所有的山脉都可以看作是昆仑的分支。这些分出来的枝枝杈杈,都可以看作是一条条独立的龙脉。",
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 16,
    "min_dec_penalty_text": "。?:!",
    "is_unidirectional": 1,
    "mask_type": "word",
    "task_prompt": "novel",
    "logits_bias": "-5"
}
rst = Novel.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 16,
    "min_dec_penalty_text": "。?:!",
    "is_unidirectional": 1,
    "mask_type": "word",
    "task_prompt": "novel",
    "logits_bias": "-5"
}
# 建议配置2
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 4,
    "min_dec_penalty_text": "。?:!",
    "is_unidirectional": 1,
    "mask_type": "word",
    "task_prompt": "novel",
    "logits_bias": "-5"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 4,
    "min_dec_penalty_text": "。?:!",
    "is_unidirectional": 1,
    "mask_type": "word",
    "task_prompt": "novel",
    "logits_bias": "-5"
}

结果示例

其中最为重要的,还是昆仑山脉西北方向的三大支脉: 玉龙、雅鲁藏布江以及雅砻河。这些才是昆仑正宗所在。虽然有一部分因为时间太长而渐渐沉寂于地下,但依旧能够依稀辨别出他们当年的样貌和痕迹。也足见多少万年过去了,他们都不曾丢失自己的根源与精髓!

补全文本

基于上下文与用户指定位置,补全内容,使得文本完整、通顺

模版示例

{input_text_left}[MASK]{input_text_right}

输入示例

#示例1:
input_text_left: 
她有着一双
#示例2:
input_text_right:
的眼眸。

拼接后的输入

她有着一双[MASK]的眼眸。

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.cloze import Cloze
wenxin_api.ak = ""
wenxin_api.sk = ""
input_dict = {
    "text": "她有着一双[MASK]的眼眸。",
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "cloze"
}
rst = Cloze.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
    "seq_len": 512,
    "topp": 0.3,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "cloze"
}
# 建议配置2
{
    "seq_len": 512,
    "topp": 0.5,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "cloze"
}
# 建议配置3
{
    "seq_len": 512,
    "topp": 0.9,
    "penalty_score": 1.2,
    "min_dec_len": 2,
    "is_unidirectional": 0,
    "task_prompt": "cloze"
}

结果示例

深邃

古诗创作

给定诗词题目,创作出相关的诗词

模版示例

  • 输入示例模板
诗词题目:{input_text}。作者:无。诗词内容:
  • 其他输入示例模板:
诗词题目:{input_text}。诗词内容

输入示例

燕燕

拼接后的输入

诗词题目:燕燕。作者:无。诗词内容:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "诗词题目:燕燕。作者:无。诗词内容:",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 3,
"is_unidirectional": 0,
"task_prompt": "poetry",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 3,
"is_unidirectional": 0,
"task_prompt": "poetry",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 3,
"is_unidirectional": 0,
"task_prompt": "poetry",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置3
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 3,
"is_unidirectional": 0,
"task_prompt": "",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}

结果示例

燕燕于飞。差池其羽。之子于归。远送于野。瞻望弗及。实劳我心。仲氏任只。其心塞渊。终温且惠。淑慎其身。先君之思。以勖寡人。

同义改写

改写一个文本,使生成的文本在字面上与原始有区别,但语义上相同

模版示例

说明:\代表转义,比如\n代表换行。

  • 输入模版示例:
\"{input_text}\"换种表达,意思不变:
  • 其他输入模版示例:
# 示例1:
"{input_text}"换句话说就是:
# 示例2:
用自己的话改写下面的文本:{input_text}
# 示例3:
"{input_text}"意思是:
# 示例4:
原句:{input_text}同义改写:
# 示例5:
"{input_text}",换句话可以说:
# 示例6:
"{input_text}"的另一种说法是:
# 示例7:"{input_text}"换种说法:
# 示例8:
"{input_text}"换个说法,可以是:
# 示例9:
改写"{input_text}",但不改变它的意思:

输入示例

巩义桶装水电话号码

拼接后的输入

\"巩义桶装水电话号码\"换种表达,意思不变:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "\"巩义桶装水电话号码\"换种表达,意思不变:",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Paraphrasing",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Paraphrasing",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Paraphrasing",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置3
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}

结果示例

巩义桶装水联系方式

文本纠错

修改原句中的错别字

模版示例

说明:\代表转义,比如\n代表换行。

  • 输入模版示例:
改正下面文本中的错误:"{input_text}" 
  • 其他输入模版示例:
# 示例1:
{input_text}\n请纠正文本中的错误:
# 示例3:
文本:{input_text}\n校对结果:
# 示例4:
"{input_text}" 上述文本中有错,请改正:
# 示例5:
请校对"{input_text}" 中的错误:
# 示例6:
校对下面的文本:"{input_text}"结果:
# 示例7:
"{input_text}"纠正上述文本中的错别字:
# 示例8:
校正错别字:"{input_text}"
# 示例9:
"{input_text}" 错别字校正:
# 示例10:
"{input_text}" 中有错别字,请改正:

输入示例

沿路主要城市有:上海-苏骤-无锡-常州-镇江-南京-合遂肥-六安-麻城-武汉-孝感-荆门-宜昌-万州-点江-邻水-华-广安-岳池-南充-遂宁-成都镇。

拼接后的输入

改正下面文本中的错误:"沿路主要城市有:上海-苏骤-无锡-常州-镇江-南京-合遂肥-六安-麻城-武汉-孝感-荆门-宜昌-万州-点江-邻水-华-广安-岳池-南充-遂宁-成都镇。"

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "改正下面文本中的错误:\"沿路主要城市有:上海-苏骤-无锡-常州-镇江-南京-合遂肥-六安-麻城-武汉-孝感-荆门-宜昌-万州-点江-邻水-华-广安-岳池-南充-遂宁-成都镇。\" ",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Correction",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Correction",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Correction",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置3
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "",
"min_dec_penalty_text": "。?:!",
"penalty_text": "[]{}",
"mask_type": "word",
"logits_bias": -5
}

结果示例

沿路主要城市有:上海-苏州-无锡-常州-镇江-南京-合肥-六安-麻城-武汉-孝感-荆门-宜昌-万州-垫江-邻水-华蓥-广安-岳池-南充-遂宁-成都。

Text2SQL

给予给定的自然语言描述,生成对应的SQL结构化语句

模版示例

说明:\代表转义,比如\n代表换行。

  • 输入模板示例:
{input_text}\n上述问题转换成SQL语句是:
  • 其他输入模板示例:
# 示例1:
问题:{input_text}\n请用SQL表示上面的问题。SQL:
# 示例2:
问题:{input_text}\n把这个问题转化成SQL语句:
# 示例3:
请写出下述问题对应的SQL语句。问题:{input_text}\nSQL:
# 示例4:
用SQL表示下述问题:{input_text}\n
# 示例5:"{input_text}"写成SQL形式是:
# 示例6:
把问题翻译成SQL语句。问题:{input_text}\n翻译:
# 示例7:
由问题"{input_text}"生成SQL查询语句:
# 示例8:
问题:{input_text}\n把上述问题表示成SQL语句:
# 示例9:
如果把"{input_text}"表示成SQL形式,可以写成:

输入示例

在各届金曲奖提名名单中,给出每一位提名的歌手和其所出专辑的数量,其获得提名的金曲奖以及提名的奖项

拼接后的输入

在各届金曲奖提名名单中,给出每一位提名的歌手和其所出专辑的数量,其获得提名的金曲奖以及提名的奖项\n上述问题转换成SQL语句是:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "在各届金曲奖提名名单中,给出每一位提名的歌手和其所出专辑的数量,其获得提名的金曲奖以及提名的奖项\n上述问题转换成SQL语句是:",
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Text2SQL",
"min_dec_penalty_text": "。?:!",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0.5,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Text2SQL",
"min_dec_penalty_text": "。?:!",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
# 建议配置2
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "Text2SQL",
"min_dec_penalty_text": "。?:!",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
# 建议配置3
{
"seq_len": 512,
"topp": 0.3,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "",
"min_dec_penalty_text": "。?:!",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}

结果示例

select T3.姓名, T3.专辑数量, T2.名称, T1.奖项名称 from 金曲奖提名名单 as T1 join 各届金曲奖 as T2 join 歌手 as T3 on 金曲奖提名名单.奖届 id==各届金曲奖.词条 id and 金曲奖提名名单.提名歌手 id==歌手.词条 id

文本匹配

判断给定的两句话是否为同一个意思

模版示例

说明:\代表转义,比如\n代表换行。

  • 输入模版示例:
如果"{input_text_a}" 那么"{input_text_b}"上面的说法成立还是不成立?
  • 其他输入模版示例:
# 示例1:"{input_text_a}"是不是就等于说"{input_text_b}"# 示例2:
"{input_text_a}"是不是相当于"{input_text_b}"# 示例3:
"{input_text_a}""{input_text_b}"是不是一个意思?
# 示例4:
下面这两个句子"{input_text_a}""{input_text_b}"说的是一个意思吗?
# 示例5:
"{input_text_a}""{input_text_b}"这两个句子是一个意思,对吗?
# 示例6:
问题:"{input_text_a}""{input_text_b}"表达的意思相同,对吗?回答:
# 示例7:
下面这两个句子"{input_text_a}""{input_text_b}"的语义相同吗?
# 示例8:
"{input_text_a}""{input_text_b}"意思相同吗?
# 示例9:
下面两个句子:"{input_text_a}""{input_text_b}"是不是同义?

输入示例

# 示例1:
input_text_a: 健全国家安全体系
# 示例2:
input_text_b: 国家安全体系需要健全

拼接后的输入

如果"健全国家安全体系" 那么"国家安全体系需要健全"上面的说法成立还是不成立?

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "如果\"健全国家安全体系\" 那么\"国家安全体系需要健全\"上面的说法成立还是不成立?",
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "SemanticMatching",
"min_dec_penalty_text": "",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "SemanticMatching",
"min_dec_penalty_text": "",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
# 建议配置2
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "SemanticMatching",
"mask_type": "word",
}
# 建议配置3
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "",
"mask_type": "word",
}

结果示例

成立

情感分析

给定一段文本,判断该文本的情感倾向

模版示例

说明:\代表转义,比如\n代表换行。

  • 输入模版示例:
下面是好评还是差评?\n"{input_text}"
  • 其他输入模版示例:
# 示例1:
"{input_text}"这是好评吗?
# 示例2:
下面这是差评吗?"{input_text}"
# 示例3:
"{input_text}"从上面的评论来看,产品让人满意吗?
# 示例4:
下面评论里提到的产品值得买吗?"{input_text}"
# 示例5:
"{input_text}"从上面的文本可以看出评价者的态度是喜欢还是不喜欢?
# 示例6:
下面这个评价是正面还是负面的?{input_text}
# 示例7:
"{input_text}"是夸奖还是吐槽?
# 示例8:"{input_text}"看出买家是满意还是不满意?
# 示例9:
"{input_text}"看到这个评价,你会下单吗?

输入示例

希望大家也能像我一样,每家酒店都能尝试的住一下,因为每个酒店都各有特色

拼接后的输入

下面是好评还是差评?\n"希望大家也能像我一样,每家酒店都能尝试的住一下,因为每个酒店都各有特色"

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "下面是好评还是差评?\n\"希望大家也能像我一样,每家酒店都能尝试的住一下,因为每个酒店都各有特色\"",
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "SentimentClassification",
"min_dec_penalty_text": "",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "SentimentClassification",
"min_dec_penalty_text": "",
"penalty_text": "",
"mask_type": "word",
"logits_bias": 0
}
# 建议配置2
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "SentimentClassification",
"mask_type": "word",
}
# 建议配置3
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 1,
"is_unidirectional": 0,
"task_prompt": "",
"mask_type": "word",
}

结果示例

好评

信息抽取

给定一段文本,抽取文本中相关实体、事件或者关系

模版示例

说明:\代表转义,比如\n代表换行。

  • 输入模版示例:
{content}。问题:{question}?回答:
  • 其他输入模版示例:
# 示例1:
{input_text}\n实体与关系标注为:
# 示例2:
{input_text}\n该句的命名实体标注为:
# 示例3:
{input_text}\n文中的实体为:

输入示例

content: 尤卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽,生活在中美洲丛林中。
question: 尤卡坦啄木鸟的属是

拼接后的输入

尤卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽,生活在中美洲丛林中。问题:尤卡坦啄木鸟的属是?回答:

代码示例

# -*- coding: utf-8 -*
import wenxin_api # 可以通过"pip install wenxin-api"命令安装
from wenxin_api.tasks.text_generation import TextGeneration
wenxin_api.ak = "your ak"
wenxin_api.sk = "your sk"
input_dict = {
"text": "尤卡坦啄木鸟是啄木鸟科、啄木鸟属的一种攀禽,生活在中美洲丛林中。问题:尤卡坦啄木鸟的属是?回答:",
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "QA_MRC",
"min_dec_penalty_text": "。?:!",
"penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
rst = TextGeneration.create(**input_dict)
print(rst)

建议配置

# 建议配置1
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "QA_MRC",
"min_dec_penalty_text": "。?:!",
"penalty_text": "",
"mask_type": "word",
"logits_bias": -5
}
# 建议配置2
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "QA_MRC",
"mask_type": "word",
}
# 建议配置3
{
"seq_len": 512,
"topp": 0,
"min_dec_len": 2,
"is_unidirectional": 0,
"task_prompt": "",
"mask_type": "word",
}

结果示例

啄木鸟属
上一篇
参数描述
下一篇
ERNIE 3.0系列模型精调