UPS. Описание API

Описание часто используемых параметров

Параметр	Тип	Описание
servicetype	запрос	Тип сервиса. Возможные значения: spr, smc, see, sbs, tts
servertype	запрос	Тип группы серверов. Возможные значения: trainer (серверы обучения), cluster (рабочие серверы)
model	запрос	Название модели
modeltype	запрос	Тип модели. Возможные значения: future - планируемая/черновик, current - текущая/рабочая, previous - архивная.
error	ответ	Флаг ошибки
message	ответ	Информационное сообщение

/lang: методы мультиязычности

Метод	Описание	Входные параметры	Ответ	Пояснения
GET /	Предназначен для вывода информации о переводе элементов интерфейса на текущий язык	-	{ "see":"Сущности", "smc":"Классификатор", ... }	-

/server: получение информации о серверах

Метод	Описание	Входные параметры	Ответ	Пояснения
GET /get/addresses/{servicetype}	Предназначен для вывода информации о сервера, обслуживающих данный сервис, а также настроеных параметров обращения к данным серверам	servicetype - тип сервиса	{   "trainer": "http://127.0.0.1:6181",   "cluster": [     "http://127.0.0.1:6181"   ],   "timers": {     "connect": 0.5,     "read": 1,     "failed": 600,     "install": 60,     "info": 3   },   "counter": 0,   "current": 0,   "fail": { "http://127.0.0.1:6181":1686295678 } }	trainer - сервер обучения cluster - рабочие серверы connect - время на подключение read - время на ответ failed - время пребывание в сбойных install - время на установку модели info - время на получение информации о модели counter - счетчик запросов current - индекс последнего опрошенного cluster-сервера fail - массив сбойных серверов со временем постановки в сбой
GET /get/models/{servicetype}/{servertype}	Предназначен для вывода информации о моделях указанного сервиса на каждом сервере указанного типа	servicetype - тип сервиса servertype - тип серверов	{   "http://127.0.0.1:6181": [     "model1",     ...     "modelN"   ],   ... }	Вывод представляет собой массив url серверов, для каждого из которых указан список моделей

/model: методы работы с моделями

Метод	Описание	Входные параметры	Ответ	Пояснения
POST /add/{servicetype}/{model}	Предназначен для создания пустой модели в указанном сервисе. Доступно для следующих сервисов: smc, see, spr.	servicetype - тип сервиса model - название модели	{ "error":0, "message":"success" }	-
POST /install/{servicetype}/{model}	Предназначен для установки импортированной или обученной модели на рабочих серверах. Доступно для следующих сервисов: smc, see, spr.	servicetype - тип сервиса model - название модели	{ "error":0, "message":"success" }	-
POST /apply/{servicetype}/{model}	Предназначен для применения установленной на рабочих серверах модели. После применения модель становится доступна для штатного режима работы. Доступно для следующих сервисов: smc, see, spr.	servicetype - тип сервиса model - название модели	{ "error":0, "message":"success" }	-
POST /restore/{servicetype}/{model}	Откат модели. Делает текущую рабочую модель черновиком (future), рабочие серверы после выполнения данного метода продолжают уже с возвращенной моделью. Схематично действия над modeltype в результате выполнения данного метода можно представить так: current -> future previous -> current null -> previous	servicetype - тип сервиса model - название модели	{"error":0, "message":"success" }	-
DELETE /delete/{servicetype}/{model}	Полностью удаляет модель из системы и со всех управляемых серверов. Доступно для следующих сервисов: smc, see, spr.	servicetype - тип сервиса model - название модели	{ "error":0, "message":"success" }	-
GET /errors/{servicetype}/{model}/{modeltype}	Запрос на получение списка ошибок модели после тестирования. Если тестирования не было, то содержит ошибки проверки на обучающем корпусе. Доступен для сервисов see и smc	servicetype - тип сервиса model - название модели modeltype - тип модели	[ [true, predicted, phrase], ... ]	содержит список вложенных списков. В каждом три значения: правильное значение, предсказанное моделью значение и начальные данные (фраза)
GET /export/{servicetype}/{model}/{modeltype}	Экспортирует модель в виде zip-архива	servicetype - тип сервиса model - название модели modeltype - тип модели	файл model.zip, где model - название модели	-
POST /import/{servicetype}/{model}	Импортирует модель в черновик (modeltype=future).	servicetype - тип сервиса model - название модели zip-model - zip с файлами модели	{ "error":0, "message":"success" }	-
GET /info/{servicetype}/{model}	Получение информации о каждом типе (modeltype) указанной модели.	servicetype - тип сервиса model - название модели	{   "previous": null,   "current":  {     "status": "trained",     ...   },   "future": {     "status": "trained",     ...   } }	Итоговый массив содержит переменные типа modeltype, в каждой из который содержится информация о модели, более подробно о которой можно прочитать в руководствах пользователя smc и see.
GET /info/{servicetype}	Получение информации о всех моделях указанного сервиса. Аналогичен методу GET /info/{servicetype}/{model}, но выводит информацию обо всех моделях.	servicetype - тип сервиса	{   "model1": {     "previous": null,     "current": null,     "future": {       "status": "empty",       ...     }   },   ... }	-
GET /log/{servicetype}/{model}/{modeltype}	Выводит лог обучения и тестирования модели. Доступно для следующих сервисов: smc, see.	servicetype - тип сервиса model - название модели modeltype - тип модели	[   "training",   "preparing data",   "tokenizing",   ... ]	-
GET /handler/{servicetype}/{model}	Получение файла-постобработчика из модели типа future.	servicetype - тип сервиса model - название модели	Файл handler.py	более подробно об обработчике см. руководства пользователя smc и see.
POST /handler/{servicetype}/{model}	Отправка файла-постобработчика в указанную модель типа future. Становится активным сразу после успешной отправки.	servicetype - тип сервиса model - название модели handler - файл, содержащий программный код python постобработчика	{"error":0, "message":"success" }	более подробно об обработчике см. руководства пользователя smc и see.
DELETE /handler/{servicetype}/{model}	Удаление постобработчика из модели типа future.	servicetype - тип сервиса model - название модели	{"error":0, "message":"success" }	более подробно об обработчике см. руководства пользователя smc и see.

/corpus: работа с данными для обучения моделейМетоды данного класса предназначены только для сервисов smc и see

Метод	Описание	Входные параметры	Ответ	Пояснения
GET /list/{servicetype}	Возвращает список всех корпусов данных для указанного типа сервиса	servicetype - тип сервиса	[  "корпус1",  "корпус2",   ... ]	Список с названиями всех имеющихся корпусов
GET/get/{servicetype}	Возвращает JSON с данными корпуса	servicetype - тип сервиса name - название корпуса	[   [   "generalPayments",     "соцвыплата"   ],   ... ]	Список вложенных списков со значениями "Класс" и "Фраза"
GET/export/{servicetype}	Возвращает текстовый файл с данными, содержащий строки вида КЛАСС<TAB>ФРАЗА	servicetype - тип сервиса name - название корпуса	Файл name.txt	-
DELETE/delete/{servicetype}	Удаляет корпус с данными	servicetype - тип сервиса name - название корпуса	{   "error": 0,   "message": "success" }	-
POST/put/{servicetype}	Перезаписывает корпус отправленным массивом данных	servicetype - тип сервиса name - название корпуса json - строка формата json с данными. Аналогична выводу метода GET /get/{servicetype}	{   "error": 0,   "message": "success" }	-
POST/rename/{servicetype}	Переименование корпуса	servicetype - тип сервиса srcname - текущее имя dstname - новое имя	{   "error": 0,   "message": "success" }	-
POST/copy/{servicetype}	Копирование корпуса	servicetype - тип сервиса srcname - текущее имя dstname - новое имя	{   "error": 0,   "message": "success" }	-
POST/import/{servicetype}	Импорт корпуса. Возможен как из текстового файла со строками вида КЛАСС<TAB>ФРАЗА (доступно для smc и see), так и из логов работы системы (только для smc). Если на вход поступил файл csv, происходит импорт из файла, в противном случае из логов.	servicetype - тип сервиса name - название корпуса csv - файл данных startDate - дата начала выборки, YYYY-MM-DD stopDate - дата окончания выборки, YYYY-MM-DD model - имя модели, из логов которой будет произведен импорт limit - числовое ограничение строк импорта	{   "error": 0,   "message": "success" }	-

/spr: работа с сервисом SPR

Метод	Описание	Входные параметры	Ответ	Пояснения
POST /stt/{model}	Отправка файла на распознавание речи. Моно-файлы до 30 секунд распознаются без разбивки на фрагменты. Многоканальные файлы и файлы длиннее 30 секунд предварительно разбиваются на фрагменты по отсутствию речи. Настройка данных параметров описана в руководстве администратора SPR. В случае отправки переменной speakers=1, дополнительно производится поиск говорящих и получение метаданных по каждому говорящему.	model - идентификатор модели wav - файл для распознавания speakers - опция разделения по говорящим	{ "model":"name", "text":"текст без разбивки", "speakers":[ {   "gender":"MALE",   "age":"20-29",   "emotion":"BORE",   "id":"Ivan" }, ... ] "splitted":[ {   "start":"00:00:02",   "stop":"00:00:10",   "channel":0,   "duration":"00:00:08",   "start_ms":2255,   "stop_ms":10995,   "duration_ms":8740,   "speaker":0,   "confidence":0.95,   "text":"текст" }, ... ] }	Более подробное описание доступно в пользователя SPR.

/smc: работа с сервисом SMC

Метод	Описание	Входные параметры	Ответ	Пояснения
GET /classify/{model}	Классификация текстовой фразы	id - идентификатор модели text - текст, подлежащий классификации multiclass - опция запроса нескольких классов при их наличии, если multiclass=1	[ { class:Appointment, calculated:Appointment, confidence:0.99, start:0, length:2 }, ... ]	Если multiclass=0 ответ будет в виде массива с одним классом, иначе - список массивов. start - позиция слова начала фрагмента, определяющего класс length - количество слов во фрагменте, определяющим класс confidence - вероятность правильного определения класса calculated - поле, содержащее измененное постобработчиком (при его наличии) значение класса.
POST/train/{model}	Запуск обучения модели future	model - идентификатор модели corpus - название корпуса с данными tokenizer - способ оцифровки фразы. entities или fragments. В первом случае упор делается на взаимосвязи сущностей, во втором на N-граммы normalization - уровень нормализации для устранения количественного перекоса в данных каждого класса, 0 - автоматическое определение, 1-9 - ручной режим. При увеличении значения происходит синтез данных для каждого класса. По умолчанию 1 model-size - размер структуры модели. Чем больше данных, теб больше нужна модель. 0 - автоматический режим определения структуры модели. 1-5 - ручной режим. По умолчанию 3. entity-cross-limit - от 0 до 1. Предельный коэффициент возможного наличия сущности в многих классах, выше которого сущность считается мусорной. По умолчанию 1, т.е. допуск всех найденных сущностей. entity-rare-limit - от 0 до 1. Минимальный порог повторяемости сущности в классе, ниже которого сущность считается мусорной. По умолчанию 0, т.е. допуск всех найденных сущностей.	{  "error": 0,   "message": "success" }	Метод асинхронный, статус обучения можно запросить методом GET /info/{servicetype}/{model}
POST/stop/{model}	Остановка обучения модели	model - идентификатор модели	{  "error": 0,   "message": "success" }	-
POST/test/{model}	Запуск тестирования модели	model - идентификатор модели corpus - название корпуса с данными confidence - уровень доверия, от 0 до 1. Порог, ниже которого класс считается неизвестным. При значении 0 происходит автоматический расчет среднего уровня доверия, которые можно потом получить методом GET /info/{servicetype}/{model}	{  "error": 0,   "message": "success" }	Метод асинхронный, статус тестирования можно запросить методом GET /info/{servicetype}/{model}