Prova i modelli Gemini 1.5, i più recenti modelli multimodali in Vertex AI, e scopri cosa puoi creare con una finestra contestuale fino a 2 milioni di token. Prova i modelli Gemini 1.5, i più recenti modelli multimodali in Vertex AI, e scopri cosa puoi creare con una finestra contestuale fino a 2 milioni di token.

Tutorial sulla classificazione dei contenuti

Pubblico

Questo tutorial è pensato per iniziare a esplorare e sviluppare applicazioni con l'API Cloud Natural Language. È progettato per persone che hanno familiarità con la programmazione di base, anche se non hai molte conoscenze di programmazione, dovresti essere in grado di seguirlo. Dopo aver seguito questo tutorial, dovresti essere in grado di utilizzare la documentazione di riferimento per creare le tue applicazioni di base.

Questo tutorial illustra un'applicazione Natural Language utilizzando il codice Python. Lo scopo qui non è spiegare le librerie client Python, ma spiegare come effettuare chiamate all'API Natural Language. Le applicazioni in Java e in Node.js sono sostanzialmente simili. Consulta gli esempi dell'API Natural Language per trovare esempi in altri linguaggi (incluso l'esempio in questo tutorial).

Prerequisiti

Questo tutorial ha diversi prerequisiti:

Hai configurato un progetto Cloud Natural Language nella console Google Cloud.
Hai configurato l'ambiente utilizzando le Credenziali predefinite dell'applicazione nella console Google Cloud.
Hai già familiarità con Python nella programmazione della console Google Cloud.
Hai configurato l'ambiente di sviluppo Python. Ti consigliamo di installare sul sistema la versione più recente di Python, pip e virtualenv. Per istruzioni, consulta la guida alla configurazione dell'ambiente di sviluppo Python per la Google Cloud Platform.
Hai installato la libreria client di Google Cloud per Python

Panoramica

Questo tutorial illustra un'applicazione Natural Language di base utilizzando le richieste classifyText, che classificano i contenuti in categorie insieme a un punteggio di confidenza, ad esempio:

category: "/Internet & Telecom/Mobile & Wireless/Mobile Apps & Add-Ons"
confidence: 0.6499999761581421

Per visualizzare l'elenco di tutte le etichette di categoria disponibili, consulta la sezione Categorie.

In questo tutorial creerai un'applicazione per eseguire le attività seguenti:

Classificare più file di testo e scrivere il risultato in un file di indice.
Elabora il testo della query di input per trovare file di testo simili.
Elabora le etichette delle categorie di query di input per trovare file di testo simili.

Il tutorial utilizza contenuti di Wikipedia. Potresti creare un'applicazione simile per elaborare articoli di notizie, commenti online e così via.

File sorgente

Puoi trovare il codice sorgente del tutorial negli esempi di librerie client di Python su GitHub.

Questo tutorial utilizza un testo di origine di esempio di Wikipedia. Puoi trovare i file di testo di esempio nella cartella resources/texts del progetto GitHub.

Importazione delle librerie

Per utilizzare l'API Cloud Natural Language, devi importare il modulo language dalla libreria google-cloud-language. Il modulo language.types contiene le classi necessarie per creare le richieste. Il modulo language.enums viene utilizzato per specificare il tipo di testo di input. Questo tutorial classifica i contenuti di testo normale (language.enums.Document.Type.PLAIN_TEXT).

Per calcolare la somiglianza tra il testo in base alla classificazione dei contenuti risultante, questo tutorial utilizza numpy per i calcoli vettoriali.

Python

Per scoprire come installare e utilizzare la libreria client per Natural Language, consulta Librerie client di Natural Language. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Natural Language Python.

Per eseguire l'autenticazione in Natural Language, imposta Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.

import argparse
import json
import os

from google.cloud import language_v1
import numpy

Passaggio 1: Classificazione dei contenuti

Puoi usare la libreria client Python per effettuare una richiesta all'API Natural Language per classificare il contenuto. La libreria client Python incapsula i dettagli delle richieste e delle risposte dall'API Natural Language.

La funzione classify nel tutorial chiama il metodo classifyText dell'API Natural Language, creando prima un'istanza di classe LanguageServiceClient, quindi chiamando il metodo classify_text dell'istanza LanguageServiceClient.

La funzione classify del tutorial classifica solo i contenuti testuali per questo esempio. Puoi anche classificare i contenuti di una pagina web passando il codice HTML di origine della pagina web come text e impostando il parametro type su language.enums.Document.Type.HTML.

Per ulteriori informazioni, consulta la sezione Classificazione dei contenuti. Per maggiori dettagli sulla struttura delle richieste all'API Natural Language, consulta la pagina Riferimento al linguaggio naturale.

Python

def classify(text, verbose=True):
    """Classify the input text into categories."""

    language_client = language_v1.LanguageServiceClient()

    document = language_v1.Document(
        content=text, type_=language_v1.Document.Type.PLAIN_TEXT
    )
    response = language_client.classify_text(request={"document": document})
    categories = response.categories

    result = {}

    for category in categories:
        # Turn the categories into a dictionary of the form:
        # {category.name: category.confidence}, so that they can
        # be treated as a sparse vector.
        result[category.name] = category.confidence

    if verbose:
        print(text)
        for category in categories:
            print("=" * 20)
            print("{:<16}: {}".format("category", category.name))
            print("{:<16}: {}".format("confidence", category.confidence))

    return result

Il risultato restituito è un dizionario con le etichette delle categorie come chiavi e i punteggi di affidabilità come valori, ad esempio:

{
    "/Computers & Electronics": 0.800000011920929,
    "/Internet & Telecom/Mobile & Wireless/Mobile Apps & Add-Ons": 0.6499999761581421
}

Lo script Python del tutorial è organizzato in modo da poter essere eseguito dalla riga di comando per esperimenti rapidi. Ad esempio, puoi eseguire:

python classify_text_tutorial.py classify "Google Home enables users to speak voice commands to interact with services through the Home's intelligent personal assistant called Google Assistant. A large number of services, both in-house and third-party, are integrated, allowing users to listen to music, look at videos or photos, or receive news updates entirely by voice. "

Passaggio 2: Indicizzare più file di testo

La funzione index nello script del tutorial prende, come input, una directory contenente più file di testo e il percorso di un file in cui archivia l'output indicizzato (il nome file predefinito è index.json). La funzione index legge il contenuto di ogni file di testo nella directory di input e poi passa i file di testo all'API Cloud Natural Language per la classificazione in categorie di contenuti.

Python

def index(path, index_file):
    """Classify each text file in a directory and write
    the results to the index_file.
    """

    result = {}
    for filename in os.listdir(path):
        file_path = os.path.join(path, filename)

        if not os.path.isfile(file_path):
            continue

        try:
            with open(file_path) as f:
                text = f.read()
                categories = classify(text, verbose=False)

                result[filename] = categories
        except Exception:
            print(f"Failed to process {file_path}")

    with open(index_file, "w", encoding="utf-8") as f:
        f.write(json.dumps(result, ensure_ascii=False))

    print(f"Texts indexed in file: {index_file}")
    return result

I risultati dell'API Cloud Natural Language per ogni file sono organizzati in un unico dizionario, serializzato come stringa JSON e quindi scritti in un file. Ad esempio:

{
    "android.txt": {
        "/Computers & Electronics": 0.800000011920929,
        "/Internet & Telecom/Mobile & Wireless/Mobile Apps & Add-Ons": 0.6499999761581421
    },
    "google.txt": {
        "/Internet & Telecom": 0.5799999833106995,
        "/Business & Industrial": 0.5400000214576721
    }
}

Per indicizzare i file di testo dalla riga di comando con il nome file di output predefinito index.json, esegui questo comando:

python classify_text_tutorial.py index resources/texts

Passaggio 3: Esegui una query sull'indice

Query con etichette di categoria

Una volta creato il file di indice (nome file predefinito = index.json), possiamo eseguire query all'indice per recuperare alcuni nomi file e i relativi punteggi di affidabilità.

Un modo per farlo è utilizzare un'etichetta di categoria come query, che il tutorial integra con la funzione query_category. L'implementazione delle funzioni helper, come similarity, si trova nel file classify_text_tutorial.py. Nelle applicazioni, il punteggio di similitudine e il ranking devono essere progettati con attenzione in base a casi d'uso specifici.

Python

def query_category(index_file, category_string, n_top=3):
    """Find the indexed files that are the most similar to
    the query label.

    The list of all available labels:
    https://cloud.google.com/natural-language/docs/categories
    """

    with open(index_file) as f:
        index = json.load(f)

    # Make the category_string into a dictionary so that it is
    # of the same format as what we get by calling classify.
    query_categories = {category_string: 1.0}

    similarities = []
    for filename, categories in index.items():
        similarities.append((filename, similarity(query_categories, categories)))

    similarities = sorted(similarities, key=lambda p: p[1], reverse=True)

    print("=" * 20)
    print(f"Query: {category_string}\n")
    print(f"\nMost similar {n_top} indexed texts:")
    for filename, sim in similarities[:n_top]:
        print(f"\tFilename: {filename}")
        print(f"\tSimilarity: {sim}")
        print("\n")

    return similarities

Per un elenco di tutte le categorie disponibili, consulta la sezione Categorie.

Come prima, puoi chiamare la funzione query_category dalla riga di comando:

python classify_text_tutorial.py query-category index.json "/Internet & Telecom/Mobile & Wireless"

Dovresti vedere un output simile al seguente:

Query: /Internet & Telecom/Mobile & Wireless

Most similar 3 indexed texts:
  Filename: android.txt
  Similarity: 0.665573579045

  Filename: google.txt
  Similarity: 0.517527175966

  Filename: gcp.txt
  Similarity: 0.5

Query con testo

In alternativa, puoi eseguire query con testo che potrebbe non far parte del testo indicizzato. La funzione query del tutorial è simile alla funzione query_category, con il passaggio aggiunto di creare una richiesta classifyText per l'input di testo e utilizzare i risultati per eseguire query sul file di indice.

Python

def query(index_file, text, n_top=3):
    """Find the indexed files that are the most similar to
    the query text.
    """

    with open(index_file) as f:
        index = json.load(f)

    # Get the categories of the query text.
    query_categories = classify(text, verbose=False)

    similarities = []
    for filename, categories in index.items():
        similarities.append((filename, similarity(query_categories, categories)))

    similarities = sorted(similarities, key=lambda p: p[1], reverse=True)

    print("=" * 20)
    print(f"Query: {text}\n")
    for category, confidence in query_categories.items():
        print(f"\tCategory: {category}, confidence: {confidence}")
    print(f"\nMost similar {n_top} indexed texts:")
    for filename, sim in similarities[:n_top]:
        print(f"\tFilename: {filename}")
        print(f"\tSimilarity: {sim}")
        print("\n")

    return similarities

Per farlo dalla riga di comando, esegui:

python classify_text_tutorial.py query index.json "Google Home enables users to speak voice commands to interact with services through the Home's intelligent personal assistant called Google Assistant. A large number of services, both in-house and third-party, are integrated, allowing users to listen to music, look at videos or photos, or receive news updates entirely by voice. "

Viene visualizzato qualcosa di simile alla seguente:

Query: Google Home enables users to speak voice commands to interact with services through the Home's intelligent personal assistant called Google Assistant. A large number of services, both in-house and third-party, are integrated, allowing users to listen to music, look at videos or photos, or receive news updates entirely by voice.

  Category: /Internet & Telecom, confidence: 0.509999990463
  Category: /Computers & Electronics/Software, confidence: 0.550000011921

Most similar 3 indexed texts:
  Filename: android.txt
  Similarity: 0.600579500049

  Filename: google.txt
  Similarity: 0.401314790229

  Filename: gcp.txt
  Similarity: 0.38772339779

Passaggi successivi

Con l'API Content Classification puoi creare altre applicazioni. Ad esempio:

Classifica ogni paragrafo di un articolo per vedere la transizione tra gli argomenti.
Classifica i contenuti con timestamp e analizza la tendenza degli argomenti nel tempo.
Confronta le categorie di contenuti con il sentiment dei contenuti utilizzando il metodo analyzeSentiment.
Confrontare le categorie di contenuti con le entità menzionate nel testo.

Inoltre, altri prodotti Google Cloud Platform possono essere utilizzati per semplificare il flusso di lavoro:

Nell'applicazione di esempio per questo tutorial abbiamo elaborato i file di testo locali, ma puoi modificare il codice per elaborare i file di testo archiviati in un bucket Google Cloud Storage passando un URI di Google Cloud Storage al metodo classify_text.
Nell'applicazione di esempio di questo tutorial, abbiamo archiviato il file di indice localmente e ogni query viene elaborata leggendo l'intero file di indice. Ciò significa un'alta latenza se hai una grande quantità di dati indicizzati o se devi elaborare numerose query. Datastore è una scelta naturale e pratica per l'archiviazione dei dati dell'indice.