您现在的位置是：亿华云 > 系统运维

HarmonyOS Sample之AI能力之NLU引擎服务

亿华云2025-10-04 03:20:25【系统运维】8人已围观

简介想了解更多内容，请访问：和华为官方合作共建的鸿蒙技术社区https://harmonyos.51cto.com1.介绍NLU(the natural language understanding)自然

想了解更多内容，之之请访问：
和华为官方合作共建的引擎鸿蒙技术社区
https://harmonyos.51cto.com

1.介绍

NLU(the natural language understanding)自然语言理解引擎服务。

该引擎服务提供了分词、服务词性标注、之之实体识别、引擎意图识别、服务关键词提取等接口，之之有同步和异步两种方法。引擎

这一期的服务内容包括：分词能力、词性标注、之之关键字提取、引擎实体识别。服务相关代码都增加了注释说明和调试日志，之之方便理解和学习。引擎

2.效果展示

3.搭建环境

安装DevEco Studio，服务详情请参考DevEco Studio下载。

设置DevEco Studio开发环境，DevEco Studio开发环境需要依赖于网络环境，需要连接上网络才能确保工具的正常使用，可以根据如下两种情况来配置开发环境：

如果可以直接访问Internet，只需进行下载HarmonyOS SDK操作。

如果网络不能直接访问Internet，需要通过代理服务器才可以访问，请参考配置开发环境。

下载源码后，使用DevEco Studio 打开项目，模拟器运行即可。

真机运行需要将config.json中的buddleName修改为自己的，如果没有请到AGC上进行配置,参见使用模拟器进行调试。服务器租用

4.项目结构

5.代码讲解

5.1 分词能力(getWordSegment)

分词API的主要功能是将一个汉字序列切分成一个一个单独的词，可自定义分词的粒度。

场景：1.搜索引擎开发场景，搜索结果的相关度排序;2.用户选择用户选择文本的场景，例如双击选择分本时，按照分词进行选中等。

5.1.1 核心类

import ohos.ai.nlu.NluClient; //提供调用自然语言理解 (NLU) 引擎服务的方法。 import ohos.ai.nlu.NluRequestType; //定义调用 NLU 引擎功能的请求类型。 import ohos.ai.nlu.ResponseResult; //以JSON格式提供NLU识别结果。

5.1.2 使用流程

1.NluClient静态类进行初始化

NluClient.getInstance().init(Context context, OnResultListener<Integer> listener,boolean isLoadModel)

2.获取分词结果

// 1.同步接口 ResponseResult responseResult = NluClient.getInstance().getWordSegment(requestData,NluRequestType.REQUEST_TYPE_LOCAL); //2.异步接口 NluClient.getInstance() .getWordSegment(requestData,NluRequestType.REQUEST_TYPE_LOCAL, asyncResult -> { //发送分词结果 sendResult(asyncResult.getResponseResult(), 0); release(); });

requestData：JSON格式，参数名包括{ text,type,callPkg,callType,callVersion,callState}，其中，

text：待分析的文本，必填项;

type：分词的粒度，枚举值，0：基本词 ;1：在基本词的基础上，做实体合并;223372036854775807：在type为1的基础上，把实体时间、地点等整体结构合并，出现符号隔开不合并，并把一些常用短语合并，源码库默认为0。

requestType: 枚举值，NluRequestType.REQUEST_TYPE_LOCAL 表示调用本地引擎。

3.解析返回结果

ResponseResult responseResult 返回JSON格式字符串，JSON格式，参数名包括：{ code,message,words}

//{ "code":0,"message":"success","words":["我","明天","下午","三点", //"要","去","江宁万达广场","看","速度","与","激情"]} // 将分词结果转换成list if (result.contains("\"message\":\"success\"")) { switch (operateType) { //分词 case 0: String words = result.substring(result.indexOf(WORDS) + STEP, result.lastIndexOf("]")).replaceAll("\"", ""); if ((words == null) || ("".equals(words))) { // 未识别到分词结果，返回"no keywords" lists = new ArrayList<>(1); lists.add("no keywords"); } else { lists = Arrays.asList(words.split(",")); } //构建事件 event = InnerEvent.get(TWO, ZERO, lists); } }

4.释放资源

NluClient.getInstance().destroy(slice);

5.1.3 分词粒度测试

type=0 requestData:{ “text”:我明天下午三点要去江宁万达广场看速度与激情,“type”:0} 分词结果： { “code”:0,“message”:“success”,“words”: [“我”,“明天”,“下午”,“三点”,“要”,“去”,“江宁万达广场”,“看”,“速度”,“与”,“激情”]} type=1 requestData:{ “text”:我明天下午三点要去江宁万达广场看速度与激情,“type”:1} 分词结果： { “code”:0,“message”:“success”,“words”: [“我”,“明天”,“下午”,“三点”,“要”,“去”,“江宁万达广场”,“看”,“速度与激情”]} type=9223372036854775807 requestData:{ “text”:我明天下午三点要去江宁万达广场看速度与激情,“type”:9223372036854775807} 分词结果： { “code”:0,“message”:“success”,“words”: [“我”,“明天下午三点”,“要去”,“江宁万达广场”,“看”,“速度与激情”]}

5.2 词性标注(getWordPos)

词性标注提供了getWordPos()接口，该接口可以根据分词粒度，为分词结果中的每个单词标注一个正确的词性。

5.2.1 用法

用法和分词能力类似，获取词性标注的接口是getWordPos()，传入的requestData参数和返回对象ResponseResult都是一样的。

ResponseResult responseResult = NluClient.getInstance().getWordPos(requestData, NluRequestType.REQUEST_TYPE_LOCAL);

5.2.2 词性标注结果

requestData:

{ "text":"我明天下午三点要去江宁万达广场看速度与激情","type":0}

responseResult：

{ "code":0,"message":"success","pos":[ { "word":"我","tag":"rr"}, { "word":"明天","tag":"t"}, { "word":"下午","tag":"t"},{ "word":"三点","tag":"t"},{ "word":"要","tag":"v"},{ "word":"去","tag":"vf"}, { "word":"江宁万达广场","tag":"n"},{ "word":"看","tag":"v"},{ "word":"速度","tag":"n"},{ "word":"与","tag":"cc"},{ "word":"激情","tag":"n"} ]}

词性：rr:人称代词,t:时间词,v:动词,vf:趋向动词,n:名词，cc:并列连词

tag词性值就不一一列举了，详情查看

https://developer.harmonyos.com/cn/docs/documentation/doc-guides/ai-pos-tagging-guidelines-0000001050732512

5.3 提取关键词(getKeywords)

关键字提取API提供了一个提取关键字的接口，通过该API可以在大量信息中提取出文本想要表达的核心内容，可以是具有特定意义的实体，如：人名，地点，电影等。也可以是一些基础但是香港云服务器在文本中很关键的词汇。通过该API可以对提取的关键字按照在文本中所占权重由高到低排序。排序越靠前，权重越高，对文本的核心内容的提取越准确。

5.3.1 用法

用法和分词能力类似，提取关键词接口是getKeywords()，requestData输入数据的JSON 格式参数有所变化 { body，number，title}

body：要分析文本，必选，如新闻或email内容或文章;

number：提取关键词个数，必选;title: 内容标题，可选

ResponseResult responseResult = NluClient.getInstance().getKeywords(requestData, NluRequestType.REQUEST_TYPE_LOCAL);

5.3.2 提取关键词结果展示

requestData：

{ "body":"对接各资源服务中心接入卫健、医保、人社、民政等横向单位数据，逐步完善和丰富退役军人健康档案信息","number":5,"title":"退役军人"} 1. 1. 1. 1.

responseResult：

{ "keywords":["退役","军人","卫健","医保","对接"],"code":0,"message":"成功"}

5.4 实体识别(getEntity)

实体识别能够从自然语言中提取出具有特定意义的实体，并在此基础上完成搜索等一系列相关操作及功能。

5.4.1 用法

用法和分词能力类似，获取实体识别的接口是getEntity()，requestData输入数据的JSON 格式参数有所变化 { text，module，callPkg，callType，callVersion，callState}

text：分析文本，必选，如新闻或email内容;

module：需要分析的实体,可选，默认所有实体均会分析。

分析某个实体，传实体键值，例如：只需要分析时间实体，传“time”。可传多个，表示分析多个实体，以半角逗号“,”分隔，例如：分析时间和地点，传“time,location”。

取值范围：name、time、location、phoneNum、email、url、movie、tv、anime、league、team、trainNo、flightNo、expressNo、idNo、verificationCode、app、carNo

ResponseResult responseResult = NluClient.getInstance().getEntity(requestData, NluRequestType.REQUEST_TYPE_LOCAL);

5.4.2 分析实体结果展示

requestData：

{ "text":"我明天下午三点要去江宁万达广场看速度与激情"}

responseResult：

{ "entity": { "movie": [{ "oriText": "速度与激情", "sequence": 1, "origin": "1637301307158", "heat": 0, "standardName": "速度与激情", "charOffset": 16, "normalValue": "速度与激情", "user.extend": false, "isCorrected": false }], "location": [{ "sequence": 1, "origin": "1637301307158", "oriText": "江宁万达广场", "key": "江宁万达广场", "type": "nspHB", "coreLocation": { "value": "江宁万达广场", "location": { "value": "江宁万达广场" } }, "isAbstract": "0", "cost": "29", "charOffset": 9, "normalValue": "江宁万达广场", "user.extend": false, "isCorrected": false }], "time": [{ "normalTime": { "start": { "timestamp": 1637391600000, "section": "P", "standardTime": "2021年11月20日15时00分00秒" } }, "oriText": "明天下午三点", "sequence": 1, "origin": "1637301307158", "charOffset": 1, "normalValue": "明天下午三点", "user.extend": false, "isCorrected": false }], "varietyshow": [{ "oriText": "速度与激情", "sequence": 1, "origin": "1637301307158", "heat": 0, "standardName": "速度与激情", "charOffset": 16, "normalValue": "速度与激" }] } }