Applications langue – À lire avant achat : Apprendre une langue en 15 jours

Applications pour apprendre une langue :

@shreyaghateShreya GhateMembre du personnel technique de www.udgama.comAmazon Comprehend ServiceAmazon Comprehend est un service de traitement du langage naturel (NLP) d’AWS qui utilise des algorithmes d’apprentissage automatique pour extraire des informations à partir de texte. Il fournit diverses fonctionnalités telles que l’analyse des sentiments, l’extraction de phrases clés, la reconnaissance d’entités et les API de détection de langue afin que vous puissiez facilement intégrer le traitement du langage naturel dans vos applications. Il existe différents ensembles de texte qui doivent être analysés pour votre entreprise : critiques de produits, e-mails de support, copie publicitaire. L’analyse du sentiment des clients peut être très utile pour la croissance de votre entreprise. La question est de savoir comment y parvenir ? En fin de compte, Machine Learning identifie avec précision les éléments spécifiques d’un texte, puis utilise le contexte pour analyser le sentiment derrière la langue, par exemple en identifiant les critiques positives ou négatives à une échelle de données particulière. Vous pouvez explorer le service ici. Analyse des sentiments L’analyse des sentiments est le processus d’analyse des sentiments dans un morceau de texte à l’aide de divers algorithmes. En utilisant l’analyse des sentiments, nous pouvons analyser diverses émotions, en particulier si elles sont positives, neutres ou négatives. Cela a permis le développement d’applications intelligentes avec une meilleure compréhension du texte reçu. Des entreprises comme Twitter, Facebook et Google utilisent de tels algorithmes pour surveiller le contenu publié sur leurs applications afin de créer une expérience sécurisée pour leurs utilisateurs. Dans cet article, nous allons apprendre à analyser les sentiments d’un texte à l’aide de services AWS tels qu’Amazon Comprehend, AWS IAM, AWS Lambda et Amazon S3. Alors avant de vous lancer, assurez-vous d’avoir accès à tous ces services. Vous pouvez accéder à tous ces services via votre console de gestion. Commençons ! Autorisation IAM pour Amazon ComprehendÀ l’aide de votre console de gestion, sélectionnez le service IAM. Une fois que vous avez atterri sur le tableau de bord IAM, sur le côté gauche, vous verrez la gestion des accès. Dans celui-ci, sélectionnez Rôles pour ajouter un rôle IAM afin d’accorder diverses autorisations. Cliquez sur le bouton Créer un rôle. Comme nous utiliserons AWS Lambda, nous devons sélectionner Lambda et cliquer sur Autorisations (à droite ci-dessous) pour ajouter diverses autorisations à notre rôle. Sélectionnez ComprehendFullAccess et AWSLambdaExecute. Vous pouvez filtrer les autorisations, puis une fois sélectionné, cliquez sur suivant ! Donnez un nom et une description appropriés à votre rôle, et une fois que vous avez sélectionné Créer un rôle, un nouveau rôle est créé, auquel vous pouvez accéder à tout moment à partir de votre liste existante de rôles à partir de la console de gestion IAM. Téléchargement d’un fichier texte sur Amazon S3 Une fois le rôle créé, nous passerons à la console de gestion S3. Créez un document texte sur votre appareil local, puis utilisez-le pour analyser les sentiments des documents. Pour cela, créez d’abord un bucket. Assurez-vous de garder le compartiment public pour le tester avec la fonction Lambda pour l’analyse de texte. Une fois qu’il est créé, téléchargez un document texte comme celui-ci, puis le compartiment S3 ressemblera à ceci après avoir téléchargé divers documents. La taille maximale du fichier doit être inférieure à 5 000 octets. Une fois les fichiers téléchargés, voici à quoi ressemblera notre compartiment ; vous pouvez gérer les autorisations et effectuer diverses actions dessus selon vos besoins.Configuration d’une fonction Lambda La dernière et dernière étape consiste à créer une fonction Lambda pour analyser le document texte que nous avons téléchargé dans le compartiment S3. Ici, j’ai créé la fonction textanalysis_lambda. Nous utiliserons Python 3.8 pour notre runtime. Le rôle existant Comprehend_Lambda que nous avons créé précédemment sera utilisé avec la fonction Lambda. Grâce à la console de gestion Lambda, nous pouvons accéder à la fonction créée, puis nous cliquerons dessus pour écrire un code de fonction pour effectuer notre tâche d’analyse des sentiments à l’aide de Python 3.8 . Ici, nous allons entrer le nom du bucket S3 que nous avons créé, et la clé sera le nom du fichier à analyser (téléchargé dans le même bucket)import boto3 from pprint import pprint def lambda_handler(event, context): s3 = boto3.client(« s3 ») bucket = « comrehend-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 détecté’Enregistrez votre code de fonction puis testez votre code pour voyez les résultats avec l’analyse du texte que vous avez dirigé à travers votre seau et votre clé. Une fois que vous aurez testé votre code de fonction, il donnera les résultats pour votre texte. La section des résultats montre les appels de journalisation dans le code. Ils correspondent à une seule ligne au sein du groupe de journaux CloudWatch avec cette fonction Lambda. Accédez au texte d’analyse que j’ai téléchargé (il s’agit d’un extrait de la keynote WWDC 2020 d’Apple) : https://comprehend-lambda-analysis.s3.us -east-2.amazonaws.com/analysisdata.txtIl identifie le sentiment de l’extrait Keynote comme neutre avec les scores de sentiment pour chaque sentiment. Vous pouvez utiliser le même pour analyser divers fichiers texte comme ceux que j’ai essayés. Voici un commentaire Twitter que j’ai choisi d’analyser : https://comprehend-lambda-analysis.s3.us-east-2.amazonaws.com/twitterhatecomment.txtCeci est un commentaire haineux de Twitter, il montre donc que le sentiment est Negative.Voici un autre fichier que j’ai choisi d’analyser. C’est une histoire courte; vous l’apprécierez quand vous lirez : https://comprehend-lambda-analysis.s3.us-east-2.amazonaws.com/shortstory.txt C’est une histoire très courte et motivante, elle donne donc un résultat positif. Vous pouvez utiliser divers autres fichiers à analyser ; ce processus vous permettra de comprendre les sentiments de vos fichiers. ConclusionAmazon Comprehend propose une gamme de fonctionnalités de traitement du langage naturel en plus de l’analyse des sentiments. Les principales caractéristiques consistent à identifier la langue du texte donné, à extraire des éléments spécifiques pour comprendre à quel point le texte est positif ou négatif. Ceci est ensuite utilisé pour organiser automatiquement un ensemble de texte par sujet. Pour extraire des informations médicales complexes, vous pouvez utiliser Amazon Comprehend Medical. J’espère que ce blog vous a aidé à comprendre comment effectuer une analyse des sentiments sur du texte à l’aide de l’interface AWS Lambda. Vous pouvez utiliser diverses autres approches, telles que le framework sans serveur, ou utiliser React ou Angular pour tester votre sortie côté frontend. Pour toute question/suggestion, n’hésitez pas à me contacter. 😃Histoires connexesTagsRejoindre Hacker Noon Créez votre compte gratuit pour déverrouiller votre expérience de lecture personnalisée.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *