Audiens
Tutorial ini dirancang agar Anda dapat dengan cepat mulai menjelajahi dan mengembangkan aplikasi dengan Google Cloud Natural Language API. Tutorial ini dirancang untuk orang yang memahami pemrograman dasar, meskipun tanpa banyak pengetahuan pemrograman, Anda harus dapat mengikutinya. Setelah mempelajari tutorial ini, Anda akan dapat menggunakan Dokumentasi referensi untuk membuat aplikasi dasar Anda sendiri.
Tutorial ini menjelaskan langkah-langkah aplikasi Natural Language API menggunakan kode Python. Tujuannya di sini bukan untuk menjelaskan library klien Python, tetapi untuk menjelaskan cara melakukan panggilan ke Natural Language API. Aplikasi di Java dan Node.js pada dasarnya serupa. Lihat Contoh Natural Language API untuk contoh dalam bahasa lain (termasuk contoh ini dalam tutorial).
Prasyarat
Tutorial ini memiliki beberapa prasyarat:
- Anda memiliki akun Google Cloud. Jika Anda baru menggunakan platform ini, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.
- Anda telah menyiapkan project Cloud Natural Language API di konsol Google Cloud.
- Anda telah menyiapkan lingkungan menggunakan Kredensial Default Aplikasi.
- Anda memiliki pemahaman dasar tentang pemrograman Python.
- Anda telah menyiapkan lingkungan pengembangan Python. Sebaiknya Anda menginstal
Python versi terbaru,
pip
, danvirtualenv
di sistem Anda. Untuk mendapatkan petunjuk, lihat Panduan Penyiapan Lingkungan Pengembangan Python untuk Google Cloud Platform. - Anda telah menginstal Library Klien Google Cloud untuk Python
Menganalisis sentimen dokumen
Tutorial ini akan memandu Anda melalui aplikasi Natural Language API dasar, menggunakan
permintaan analyzeSentiment
, yang melakukan analisis sentimen pada teks.
Analisis sentimen mencoba menentukan sikap secara keseluruhan (positif atau
negatif) dan diwakili oleh nilai score
dan magnitude
numerik.
(Untuk informasi selengkapnya tentang konsep ini, lihat
Dasar-Dasar Bahasa Alami.)
Kita akan menampilkan seluruh kode terlebih dahulu. (Perhatikan bahwa kami telah menghapus sebagian besar komentar dari kode ini untuk menunjukkan betapa singkatnya kode tersebut. Kami akan memberikan lebih banyak komentar saat mempelajari kode.)
Aplikasi sederhana ini melakukan tugas-tugas berikut:
- Mengimpor library yang diperlukan untuk menjalankan aplikasi
- Mengambil file teks dan meneruskannya ke fungsi
main()
- Membaca file teks dan membuat permintaan ke layanan
- Mengurai respons dari layanan dan menampilkannya kepada pengguna
Kita akan membahas langkah-langkah ini secara lebih mendetail di bawah.
Mengimpor library
Kita mengimpor argparse
, library standar, untuk mengizinkan aplikasi menerima
nama file input sebagai argumen.
Untuk menggunakan Cloud Natural Language API, kita juga perlu mengimpor
modul language
dari library google-cloud-language
. Modul types
berisi class yang diperlukan untuk membuat permintaan.
Menjalankan aplikasi
Di sini, kita cukup mengurai argumen yang diteruskan untuk nama file teks dan meneruskannya ke
fungsi analyze()
.
Mengautentikasi ke API
Sebelum berkomunikasi dengan layanan Natural Language API, Anda harus
mengautentikasi layanan Anda menggunakan kredensial yang diperoleh sebelumnya. Dalam
aplikasi, cara termudah untuk mendapatkan kredensial adalah dengan menggunakan
Kredensial Default Aplikasi
(ADC). Secara default, ADC akan mencoba mendapatkan kredensial dari file lingkungan GOOGLE_APPLICATION_CREDENTIALS
, yang harus ditetapkan agar mengarah ke file kunci JSON akun layanan Anda. (Anda harus menyiapkan akun
layanan dan lingkungan untuk menggunakan ADC di Panduan memulai. Lihat
Menyiapkan Akun Layanan
untuk mengetahui informasi selengkapnya.)
Library Klien Google Cloud untuk Python otomatis menggunakan kredensial default aplikasi.
Membuat permintaan
Setelah layanan Natural Language API siap, kita dapat mengakses layanan dengan memanggil metode analyze_sentiment
dari instance LanguageServiceClient
.
Library klien melakukan enkapsulasi detail permintaan dan respons ke API. Lihat Referensi Natural Language API untuk mengetahui informasi lengkap tentang struktur spesifik permintaan tersebut.
Cuplikan kode ini melakukan tugas-tugas berikut:
- Membuat instance
LanguageServiceClient
sebagai klien. - Membaca nama file yang berisi data teks ke dalam variabel.
- Membuat instance objek
Document
dengan konten file. - Memanggil metode
analyze_sentiment
klien.
Mengurai respons
Kita akan membahas respons untuk mengekstrak nilai score
sentimen untuk setiap
kalimat, dan nilai score
dan magnitude
secara keseluruhan untuk seluruh ulasan,
dan menampilkannya kepada pengguna.
Menjalankan contoh
Untuk menjalankan contoh, kita akan mengujinya pada serangkaian ulasan film (palsu) untuk film "Bladerunner".
Download sampel dari Google Cloud Storage:
gcloud storage cp gs://cloud-samples-tests/natural-language/sentiment-samples.tgz .
Untuk menginstal Google Cloud CLI versi terbaru, lihat dokumentasi gcloud CLI.
Ekstrak sampel tersebut, yang akan membuat folder "ulasan":
gunzip sentiment-samples.tgz tar -xvf sentiment-samples.tar
Jalankan analisis sentimen kami pada salah satu file yang ditentukan:
python sentiment_analysis.py reviews/bladerunner-pos.txt Sentence 0 has a sentiment score of 0.8 Sentence 1 has a sentiment score of 0.9 Sentence 2 has a sentiment score of 0.8 Sentence 3 has a sentiment score of 0.2 Sentence 4 has a sentiment score of 0.1 Sentence 5 has a sentiment score of 0.4 Sentence 6 has a sentiment score of 0.3 Sentence 7 has a sentiment score of 0.4 Sentence 8 has a sentiment score of 0.2 Sentence 9 has a sentiment score of 0.9 Overall Sentiment: score of 0.5 with magnitude of 5.5
Contoh di atas akan menunjukkan ulasan yang relatif positif
(skor 0.5
), dan relatif emosional (besar 5.5
).
Menjalankan analisis pada contoh lain akan menghasilkan nilai yang mirip dengan yang ditampilkan di bawah:
python sentiment_analysis.py reviews/bladerunner-neg.txt ... Overall Sentiment: score of -0.6 with magnitude of 3.3 python sentiment_analysis.py reviews/bladerunner-mixed.txt ... Overall Sentiment: score of 0 with magnitude of 4.7 python sentiment_analysis.py reviews/bladerunner-neutral.txt ... Overall Sentiment: score of -0.1 with magnitude of 1.8
Perhatikan bahwa magnitudo semuanya serupa (menunjukkan jumlah sentimen yang signifikan secara emosional yang relatif sama) kecuali untuk kasus "netral", yang menunjukkan ulasan dengan tidak terlalu banyak sentimen emosional, baik positif maupun negatif. (Untuk informasi selengkapnya tentang skor dan magnitudo sentimen, serta cara menafsirkan nilai ini, lihat Menafsirkan Nilai Analisis Sentimen.)
Jika Anda ingin mempelajari analisis sentimen dengan lebih banyak data, Stanford menyediakan set data ulasan film IMDB. Untuk mengambil ulasan film ini:
- Download set data Ulasan Film Besar.
- Ekstrak file ke direktori kerja Anda. Ulasan film dibagi
menjadi direktori
pos
danneg
dalam direktori datatrain
dantest
, dengan setiap file teks berisi satu ulasan film. - Jalankan alat
sentiment_analysis.py
di salah satu file teks ulasan film.
Selamat! Anda telah melakukan tugas inferensi pertama menggunakan Google Cloud Natural Language API.