構建情感分析應用

概述

在本指南中，您將學習如何構建和執行一個情感分析應用程式。您將使用 Python 和自然語言工具包 (NLTK) 構建應用程式，然後使用 Docker 設定環境並執行該應用程式。

該應用程式使用 NLTK 的 SentimentIntensityAnalyzer 分析使用者輸入文字的情感，並輸出情感是積極、消極還是中性。

先決條件

您已安裝最新版本的 Docker Desktop。Docker 會定期新增新功能，本指南的某些部分可能僅適用於最新版本的 Docker Desktop。
您有一個 Git 客戶端。本節中的示例使用基於命令列的 Git 客戶端，但您可以使用任何客戶端。

獲取示例應用程式

開啟一個終端，使用以下命令克隆示例應用程式的程式碼倉庫。
$ git clone https://github.com/harsh4870/Docker-NLP.git

驗證您已克隆該程式碼倉庫。

您應該在 Docker-NLP 目錄中看到以下檔案。

01_sentiment_analysis.py
02_name_entity_recognition.py
03_text_classification.py
04_text_summarization.py
05_language_translation.py
entrypoint.sh
requirements.txt
Dockerfile
README.md

探索應用程式程式碼

情感分析應用程式的原始碼位於 Docker-NLP/01_sentiment_analysis.py 檔案中。在文字或程式碼編輯器中開啟 01_sentiment_analysis.py，以便在以下步驟中探索其內容。

匯入所需的庫。
import nltk from nltk.sentiment import SentimentIntensityAnalyzer import ssl
- nltk: 這是自然語言工具包庫，用於在 Python 中處理人類語言資料。
- SentimentIntensityAnalyzer：這是 NLTK 中的一個特定工具，用於確定一段文字的情感。
- ssl：此模組提供對傳輸層安全（加密）功能的訪問，用於安全的 Web 連線。
處理 SSL 證書驗證。
try: _create_unverified_https_context = ssl._create_unverified_context except AttributeError: pass else: ssl._create_default_https_context = _create_unverified_https_context
此程式碼塊是針對某些環境的變通方法，在這些環境中，由於 SSL 證書驗證問題，透過 NLTK 下載資料可能會失敗。它告訴 Python 忽略 HTTPS 請求的 SSL 證書驗證。
下載 NLTK 資源。
nltk.download('vader_lexicon') nltk.download('punkt')
- vader_lexicon：這是 SentimentIntensityAnalyzer 用於情感分析的詞典。
- punkt：NLTK 使用它來對句子進行分詞。這是 SentimentIntensityAnalyzer 正確執行所必需的。

建立一個情感分析函式。

def perform_semantic_analysis(text):
    sid = SentimentIntensityAnalyzer()
    sentiment_score = sid.polarity_scores(text)

    if sentiment_score['compound'] >= 0.05:
        return "Positive"
    elif sentiment_score['compound'] <= -0.05:
        return "Negative"
    else:
        return "Neutral"

SentimentIntensityAnalyzer() 建立一個分析器例項。
polarity_scores(text) 為輸入文字生成情感得分。

該函式根據複合得分返回積極、消極或中性。

建立主迴圈。

if __name__ == "__main__":
    while True:
        input_text = input("Enter the text for semantic analysis (type 'exit' to end): ")

        if input_text.lower() == 'exit':
            print("Exiting...")
            break

        result = perform_semantic_analysis(input_text)
        print(f"Sentiment: {result}")

指令碼的這一部分執行一個無限迴圈來接受使用者輸入進行分析。如果使用者輸入 exit，程式將終止。否則，它會打印出所提供文字的情感。

建立 requirements.txt。
示例應用程式已包含 requirements.txt 檔案，用於指定應用程式匯入的必要軟體包。在程式碼或文字編輯器中開啟 requirements.txt 以探索其內容。
# 01 sentiment_analysis nltk==3.6.5 ...
情感分析應用程式只需要 nltk 包。

探索應用程式環境

您將使用 Docker 在容器中執行該應用程式。Docker 允許您將應用程式容器化，為其執行提供一個一致且隔離的環境。這意味著應用程式將在其 Docker 容器內按預期執行，不受底層系統差異的影響。

要在容器中執行應用程式，需要一個 Dockerfile。Dockerfile 是一個文字文件，其中包含您在命令列上呼叫以組裝映象的所有命令。映象是帶有建立 Docker 容器說明的只讀模板。

示例應用程式已經包含一個 Dockerfile。在程式碼或文字編輯器中開啟 Dockerfile 以探索其內容。

以下步驟解釋了 Dockerfile 的每個部分。有關更多詳細資訊，請參閱 Dockerfile 參考。

指定基礎映象。
FROM python:3.8-slim
此命令為構建奠定了基礎。python:3.8-slim 是 Python 3.8 映象的輕量級版本，針對大小和速度進行了最佳化。使用此精簡映象可以減小 Docker 映象的總體積，從而加快下載速度並減少安全漏洞的攻擊面。這對於可能不需要完整標準 Python 映象的基於 Python 的應用程式特別有用。
設定工作目錄。
WORKDIR /app
WORKDIR 設定 Docker 映象中的當前工作目錄。透過將其設定為 /app，您可以確保 Dockerfile 中的所有後續命令（如 COPY 和 RUN）都在此目錄中執行。這也有助於組織您的 Docker 映象，因為所有與應用程式相關的檔案都包含在一個特定目錄中。
將 requirements 檔案複製到映象中。
COPY requirements.txt /app
COPY 命令將 requirements.txt 檔案從您的本地計算機傳輸到 Docker 映象中。此檔案列出了應用程式所需的所有 Python 依賴項。將其複製到容器中，下一個命令（RUN pip install）就可以在映象環境中安裝這些依賴項。
在映象中安裝 Python 依賴項。
RUN pip install --no-cache-dir -r requirements.txt
這行程式碼使用 pip（Python 的包安裝程式）來安裝 requirements.txt 中列出的包。--no-cache-dir 選項停用了快取，透過不儲存不必要的快取資料來減小 Docker 映象的大小。
執行其他命令。
RUN python -m spacy download en_core_web_sm
此步驟特定於需要 spaCy 庫的 NLP 應用程式。它下載 en_core_web_sm 模型，這是一個用於 spaCy 的小型英語模型。雖然此應用不需要它，但為了與可能使用此 Dockerfile 的其他 NLP 應用程式相容而包含它。
將應用程式程式碼複製到映象中。
COPY *.py /app COPY entrypoint.sh /app
這些命令將您的 Python 指令碼和 entrypoint.sh 指令碼複製到映象的 /app 目錄中。這至關重要，因為容器需要這些指令碼來執行應用程式。entrypoint.sh 指令碼尤其重要，因為它決定了應用程式如何在容器內啟動。
為 entrypoint.sh 指令碼設定許可權。
RUN chmod +x /app/entrypoint.sh
此命令修改 entrypoint.sh 的檔案許可權，使其可執行。此步驟是必要的，以確保 Docker 容器可以執行此指令碼來啟動應用程式。
設定入口點。
ENTRYPOINT ["/app/entrypoint.sh"]
ENTRYPOINT 指令將容器配置為執行 entrypoint.sh 作為其預設可執行檔案。這意味著當容器啟動時，它會自動執行該指令碼。
您可以在程式碼或文字編輯器中開啟 entrypoint.sh 指令碼來探索它。由於示例包含多個應用程式，該指令碼允許您指定在容器啟動時執行哪個應用程式。

執行應用程式

要使用 Docker 執行應用程式

構建映象。
在終端中，在 Dockerfile 所在的目錄內執行以下命令。
$ docker build -t basic-nlp .
以下是該命令的分解說明：
- docker build：這是用於從 Dockerfile 和上下文構建 Docker 映象的主要命令。上下文通常是位於指定位置的一組檔案，通常是包含 Dockerfile 的目錄。
- -t basic-nlp：這是用於標記映象的選項。-t 標誌代表 tag（標籤）。它為映象分配一個名稱，在本例中為 basic-nlp。標籤是以後引用映象的一種便捷方式，尤其是在將它們推送到登錄檔或執行容器時。
- .：這是命令的最後一部分，指定了構建上下文。句點 (.) 表示當前目錄。Docker 將在此目錄中查詢 Dockerfile。構建上下文（在本例中為當前目錄）被髮送到 Docker 守護程序以啟用構建。它包括指定目錄中的所有檔案和子目錄。
在構建映象時，Docker 會向您的控制檯輸出幾條日誌。您會看到它下載並安裝依賴項。根據您的網路連線情況，這可能需要幾分鐘時間。Docker 確實有快取功能，因此後續構建可能會更快。完成後，控制檯將返回到提示符。
更多詳情，請參閱 docker build CLI 參考。
將映象作為容器執行。
在終端中，執行以下命令。
$ docker run -it basic-nlp 01_sentiment_analysis.py
以下是該命令的分解說明：
- docker run：這是用於從 Docker 映象執行新容器的主要命令。
- -it：這是兩個選項的組合
  - -i 或 --interactive：即使未附加，也保持標準輸入（STDIN）開啟。它允許容器在前臺執行並保持互動性。
  - -t 或 --tty：這會分配一個偽 TTY，本質上是模擬一個終端，如命令提示符或 shell。這使您能夠與容器內的應用程式進行互動。
- basic-nlp：這指定了用於建立容器的 Docker 映象的名稱。在這種情況下，它是您使用 docker build 命令建立的名為 basic-nlp 的映象。
- 01_sentiment_analysis.py：這是您想在 Docker 容器內執行的指令碼。它被傳遞給 entrypoint.sh 指令碼，該指令碼在容器啟動時執行它。
更多詳情，請參閱 docker run CLI 參考。
注意
對於 Windows 使用者，執行容器時可能會出現錯誤。請驗證 entrypoint.sh 中的行尾是 LF (\n) 而不是 CRLF (\r\n)，然後重新構建映象。更多詳情，請參閱[避免意外的語法錯誤，為容器中的檔案使用 Unix 風格的行尾](/desktop/troubleshoot-and-support/troubleshoot/topics/#Unexpected-syntax-errors-use-Unix-style-line endings-for-files-in-containers)。
容器啟動後，您將在控制檯中看到以下內容。
Enter the text for semantic analysis (type 'exit' to end):

測試應用程式。

輸入一條評論以獲取情感分析。

Enter the text for semantic analysis (type 'exit' to end): I love containers!
Sentiment: Positive
Enter the text for semantic analysis (type 'exit' to end): I'm still learning about containers.
Sentiment: Neutral

摘要

在本指南中，您學習瞭如何構建和執行一個情感分析應用程式。您學習瞭如何使用 Python 和 NLTK 構建該應用程式，然後使用 Docker 設定環境並執行它。

相關資訊

後續步驟

探索更多自然語言處理指南。