@슈레 야 게트슈레 야 가테

www.udgama.com의 기술 직원

Amazon Comprehend 서비스

Amazon Comprehend는 기계 학습 알고리즘을 사용하여 텍스트에서 통찰력을 추출하는 AWS의 자연어 처리 (NLP) 서비스입니다. 감정 분석, 키 프레이즈 추출, 엔티티 인식 및 언어 감지 API와 같은 다양한 기능을 제공하므로 자연어 처리를 애플리케이션에 쉽게 통합 할 수 있습니다.

비즈니스 분석이 필요한 다양한 텍스트 세트가 있습니다. 제품 리뷰, 지원 이메일, 광고 문구까지. 고객 감정 분석은 비즈니스 성장에 매우 유용 할 수 있습니다.

문제는 그것을 얻는 방법입니다. 결과적으로 머신 러닝은 텍스트에서 특정 항목을 정확하게 식별 한 다음 컨텍스트를 사용하여 특정 규모의 데이터에서 긍정적이거나 부정적인 리뷰를 식별하는 것과 같이 언어이면의 감정을 분석합니다.

서비스를 탐색 할 수 있습니다. 여기에서 지금 확인해 보세요.. 

감정 분석

감성 분석은 다양한 알고리즘의 도움을 받아 텍스트의 감성을 분석하는 프로세스입니다. 감정 분석을 통해 다양한 감정을 분석 할 수 있습니다. 긍정적, 중립적 또는 부정적. 이를 통해 수신 된 텍스트를 더 잘 이해할 수있는 지능형 응용 프로그램을 개발할 수 있습니다. 

Twitter, Facebook 및 Google과 같은 회사는 이러한 알고리즘을 사용하여 앱에 게시 된 콘텐츠를 모니터링하여 사용자에게 안전한 경험을 제공합니다. 

이 기사에서는 Amazon Comprehend, AWS IAM, AWS Lambda 및 Amazon S3와 같은 AWS 서비스를 사용하여 텍스트의 감정을 분석하는 방법을 알아 봅니다. 따라서 시작하기 전에 이러한 모든 서비스에 액세스 할 수 있는지 확인하십시오. 관리 콘솔을 통해 이러한 모든 서비스에 액세스 할 수 있습니다.

시작하자!

Amazon Comprehend에 대한 IAM 권한

관리 콘솔을 사용하여 IAM 서비스를 선택합니다. IAM 대시 보드의 왼쪽에 액세스 관리가 표시됩니다. 여기에서 역할을 선택하여 다양한 권한을 부여하는 IAM 역할을 추가합니다. 역할 만들기 버튼을 클릭합니다. 

AWS Lambda를 사용할 것이므로 Lambda를 선택하고 권한 (아래 오른쪽)을 클릭하여 다양한 권한을 역할에 추가해야합니다.

선택

ComprehendFullAccess

과

AWSLambdaExecute

. 

권한을 필터링 한 다음 선택하면 다음 것!

역할에 적절한 이름과 설명을 제공하고 역할 만들기, IAM 관리 콘솔의 기존 역할 목록에서 언제든지 액세스 할 수있는 새 역할이 생성됩니다. 

Amazon S3에 텍스트 파일 업로드 

역할이 생성되면 S3 관리 콘솔로 이동합니다. 로컬 장치에서 텍스트 문서를 만든 다음이를 사용하여 문서의 감정을 분석합니다. 이를 위해 먼저 버킷을 만듭니다. 텍스트 분석을 위해 Lambda 함수로 테스트하려면 버킷을 퍼블릭으로 유지해야합니다.

생성 된 후 이와 같은 텍스트 문서를 업로드하면 다양한 문서를 업로드 한 후 S3 버킷이 다음과 같이 보입니다. 파일의 최대 크기는 5000 바이트 미만이어야합니다.

파일을 업로드하면 버킷이 이렇게 생겼습니다. 권한을 관리하고 필요에 따라 다양한 작업을 수행 할 수 있습니다.

Lambda 함수 설정 

마지막이자 마지막 단계는 S3 버킷에 업로드 한 텍스트 문서를 분석하는 Lambda 함수를 생성하는 것입니다. 

여기에 함수를 만들었습니다.

textanalysis_lambda

. 우리는 사용할 것이다 파이썬 3.8 우리의 런타임을 위해. 기존 역할

Comprehend_Lambda

앞서 생성 한 내용은 Lambda 함수와 함께 사용됩니다.

Lambda 관리 콘솔을 통해 생성 된 함수에 액세스 한 다음이를 클릭하여 Python 3.8을 사용하여 감정 분석 작업을 수행하기위한 함수 코드를 작성합니다. 여기에서 생성 한 S3 버킷의 이름을 입력하고 키는 분석 할 파일의 이름이됩니다 (동일한 버킷에 업로드 됨).

import boto3
from pprint import pprint
def lambda_handler(event, context): s3 = boto3.client("s3") bucket = "comprehend-lambda-analysis" key = "analysisdata.txt" file = s3.get_object(Bucket = bucket, Key = key) analysisdata = str(file['Body'].read()) comprehend = boto3.client("comprehend") sentiment = comprehend.detect_sentiment(Text = analysisdata, LanguageCode = "en") print(sentiment) return 'Sentiment detected'

함수 코드를 저장 한 다음 코드를 테스트하여 버킷과 키를 통해 지시 한 텍스트의 분석 결과를 확인하십시오.

함수 코드를 테스트하면 텍스트에 대한 결과가 제공됩니다. 결과 섹션에는 코드의 로깅 호출이 표시됩니다. 이 Lambda 함수가있는 CloudWatch 로그 그룹 내의 단일 행에 해당합니다.

내가 업로드 한 분석 텍스트에 액세스합니다 (Apple의 WWDC 2020 기조 연설에서 발췌 한 기조 연설입니다). https://comprehend-lambda-analysis.s3.us-east-2.amazonaws.com/analysisdata.txt

Keynote 추출의 감정을 식별합니다. 중립의 각 감정에 대한 감정 점수와 함께.

내가 시도한 것과 같은 다양한 텍스트 파일을 분석하는 데 동일한 것을 사용할 수 있습니다. 

분석하기로 선택한 트위터 댓글은 다음과 같습니다. https://comprehend-lambda-analysis.s3.us-east-2.amazonaws.com/twitterhatecomment.txt

이것은 트위터의 증오 댓글이므로 부정.

분석하기 위해 선택한 또 다른 파일이 있습니다. 짧은 이야기입니다. 다음을 읽을 때 즐길 수 있습니다. https://comprehend-lambda-analysis.s3.us-east-2.amazonaws.com/shortstory.txt

매우 짧고 동기를 부여하는 이야기이므로 결과는 양.

다양한 다른 파일을 사용하여 분석 할 수 있습니다. 이 프로세스를 통해 파일의 감정을 이해할 수 있습니다. 

결론

Amazon Comprehend는 감정 분석 외에도 다양한 자연어 처리 기능을 제공합니다. 주요 기능은 주어진 텍스트의 언어를 식별하고 특정 요소를 추출하여 텍스트가 얼마나 긍정적인지 부정적인지 이해하는 것입니다. 그런 다음 주제별로 텍스트 세트를 자동으로 구성하는 데 사용됩니다. 복잡한 의료 정보 추출을 위해 다음을 사용할 수 있습니다. 아마존 종합 의료. 

이 블로그가 AWS Lambda 인터페이스를 사용하여 텍스트에 대한 감정 분석을 수행하는 방법을 이해하는 데 도움이 되었기를 바랍니다. 서버리스 프레임 워크와 같은 다양한 다른 접근 방식을 사용하거나 React 또는 Angular를 사용하여 프런트 엔드에서 출력을 테스트 할 수 있습니다.

질문 / 제안이 있으시면 언제든지 저에게 연락하십시오. 😃

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://hackernoon.com/how-to-perform-sentiment-analysis-with-amazon-comprehend-8l4p351p?source=rss