基于腾讯云自然语言处理 NLP服务实现文本情感分析

一、前言

最近有一个需求,就是分析各种评论内容,之后分析出来特定场景下其评论是否有效,比如我们CSDN最常见的互三,这些互三如何判断,是否很多人发的评论都是类似重复的,今天我们来使用腾讯云的  NPL 服务来做一个语义分析的实践。

本文是基于腾讯云产品:NLP 服务的技术实践,如果你需要更多了该服务,请点击官方链接:点击这里

二、NLP 服务简介

NLP 服务(Natural Language Process,NLP)深度整合了腾讯内部的 NLP 技术,提供多项智能文本处理和文本生成能力,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。满足各行业的文本智能需求。

上面介绍了 NPL 服务是什么以及主要的用途,下面介绍一下我们今天使用的腾讯云的 NLP 服务

腾讯云 NLP 服务综合了腾讯内部 NLP 技术,提供全面的智能文本处理和生成功能,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。这些功能适用于各行业,能够帮助用户更好理解文本、提高搜索和推荐准确性、评估词语相似度、快速发现文本中的重复或相似句子、优化文本表达、识别并纠正语法、拼写等错误,同时通过自动文本补全和关键句子生成提高创作效率。

三、Python 调用腾讯云 NLP 服务 SDK 构建情感分析处理

3.1 开通腾讯云 NLP 服务

我们进入到NLP服务中后,第一次操作会出现开通选项,勾选协议后,点击立即开通按钮。


可以看到基础版是 50000 次免费,高级版是 1000 次免费。

3.2 创建的腾讯云持久证书(如果已创建请跳过)

登录腾讯云控制台 点击查看持久证书

链接:https://console.cloud.tencent.com/cam/capi

在提示的各种警告,直接点击蓝色按钮

同样点击确定按钮。

在 API 秘钥管理页面,点击新建秘钥按钮,之后勾选知晓警告后,点击确定按钮,进行创建秘钥。

3.2 在腾讯云服务器中安装 Git 工具以及 Python 环境

购买服务器过程自行略过,不是本文重点。

直接运行如下命令进行安装 Git 以及 Python。

yum install -y git python-pip

等待安装进度,之后出现 Completed 表示安装成功。

接着我们安装 Python 的 requests 依赖包

pip install requests

或者

pip3 install requests

这里直接使用的 pip3 进行安装的如下图所示

3.3 安装 qcloudapi-sdk-python

直接使用下面的命令进行克隆 qcloudapi-sdk-python

cd /data/nlp/

git clone https://github.com/QcloudApi/qcloudapi-sdk-python

执行过程如下:

[root@VM-8-7-centos ~]# cd /data/nlp/

[root@VM-8-7-centos nlp]#

[root@VM-8-7-centos nlp]# git clone https://github.com/QcloudApi/qcloudapi-sdk-python

Cloning into 'qcloudapi-sdk-python'...

remote: Enumerating objects: 813, done.

remote: Total 813 (delta 0), reused 0 (delta 0), pack-reused 813

Receiving objects: 100% (813/813), 122.81 KiB | 0 bytes/s, done.

Resolving deltas: 100% (476/476), done.

[root@VM-8-7-centos nlp]# ll

total 4

drwxr-xr-x 5 root root 4096 Jan 31 21:51 qcloudapi-sdk-python

3.4 部署腾讯云的自然语言处理 NLP 服务

在 /data/nlp/qcloudapi-sdk-python 下创建 wenzhi.py 文件,代码内容如下,将 SecretId 和 SecretKey 字段修改为 3.2 所创建的对应取值

Python 代码如下:

#!/usr/bin/python

# -*- coding: utf-8 -*-

from QcloudApi.qcloudapi import QcloudApi

module = 'wenzhi'

'''

action 对应接口的接口名,请参考wiki文档上对应接口的接口名

'''

action = 'TextSentiment'

config = {

    'secretId': '之前取得的 secretId',

    'secretKey': '之前取得的 secretKey',

    'Region': 'gz',

    'method': 'POST'

}

'''

params 请求参数,请参考wiki文档上对应接口的说明

'''

params = {"content": "大A股挺住啊,加油!不能再跌了!"}

try:

    service = QcloudApi(module, config)

    # 生成请求的URL,不发起请求

    print service.generateUrl(action, params)

    # 调用接口,发起请求

    print service.call(action, params)

except Exception, e:

    print 'exception:', e

上述的代码调用的相关参照如下:

执行以下命令,就可以得到对 "大A股挺住啊,加油!不能再跌了!" 这句话的情感分析结果。

cd /data/qcloudapi-sdk-python

python wenzhi.py

得到类似如下的结果, 证明调用成功。

{"code":0,"message":"","codeDesc":"Success","positive":0.99481022357941,"negative":0.0051898001693189}

上面的各字段的含义如下:

positive    正面情感概率

negative    负面情感概率

code        0表示成功,非0表示失败

message    失败时候的错误信息,成功则无该字段

如果你想要更多相关接口和文档, 请访问 NLP服务 获取更多信息。

四、文末个人总结

和很多服务类似腾讯云的 NLP 服务同样有自己的 API 调用,并且部署调试过程也比较简单,如果有类似的需求,你可以直接参看上述的实例中进行操作。

以自身的经历及经验来讲,实际上腾讯云的 NLP服务可以在多个领域进行应用,比如:银行、保险、证券、政务等领域,经常有大量的文档需要投入人力进行整理、提炼和归档,可以使用腾讯云 NLP 的关键词提取和文本分类接口,快捷、高效地完成结构化抽取,有效辅助人工,降低人力参与成本。这无疑是非常符合当代企业的降本增效主题。希望本篇文章对你有所帮助。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,245评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,749评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,960评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,575评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,668评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,670评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,664评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,422评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,864评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,178评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,340评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,015评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,646评论 3 323
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,265评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,494评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,261评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,206评论 2 352

推荐阅读更多精彩内容