建置一個命名實體識別應用程式

目錄

概覽

本指南將引導您建立並執行一個命名實體識別 (NER) 應用程式。您將使用 Python 和 spaCy 建構該應用程式，然後透過 Docker 設定環境並執行應用程式。

該應用程式會處理輸入的文字，以識別並列出其中的命名實體，例如人物、組織或地點。

先決條件

  • 您已安裝最新版本的 Docker Desktop。Docker 定期新增功能，本指南的部分內容可能僅適用於最新版本的 Docker Desktop。
  • 您擁有一個 Git 用戶端。本節中的範例使用命令列 Git 用戶端，但您可以使用任何用戶端。

取得範例應用程式

  1. 開啟終端機，並使用下列指令複製範例應用程式的儲存庫。

    $ git clone https://github.com/harsh4870/Docker-NLP.git

  2. 驗證您是否已成功複製儲存庫。

    您應該會在 Docker-NLP 目錄中看到下列檔案。

    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

名稱識別應用程式的原始程式碼位於 Docker-NLP/02_name_entity_recognition.py 檔案中。請在文字或程式碼編輯器中開啟 02_name_entity_recognition.py，以便在後續步驟中探索其內容。

  1. 匯入所需的程式庫。

    import spacy

    這行程式碼會匯入 spaCy 函式庫。spaCy 是 Python 中用於自然語言處理 (NLP) 的熱門函式庫。

  2. 載入語言模型。

    nlp = spacy.load("en_core_web_sm")

    在這裡，spacy.load 函式會載入一個語言模型。en_core_web_sm 模型是一個小型英文語言模型。您可以將此模型用於各種 NLP 任務，包括斷詞 (tokenization)、詞性標註 (part-of-speech tagging) 以及命名實體識別。

  3. 指定主執行區塊。

    if __name__ == "__main__":

    此 Python 慣用語確保只有在該腳本作為主程式執行時，才會執行以下程式碼區塊。它提供了靈活性，允許該腳本既能作為獨立程式運作，也能作為已匯入的模組使用。

  4. 建立一個無限迴圈以進行連續輸入。

       while True:

    此 while 迴圈會無限期執行，直到明確中斷為止。它允許使用者持續輸入文字以進行實體識別，直到他們決定退出。

  5. 取得使用者輸入。

    input_text = input("Enter the text for entity recognition (type 'exit' to end): ")

    這行程式碼會提示使用者輸入文字。程式隨後會對此文字執行實體識別。

  6. 定義退出條件。

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

    如果使用者輸入內容，程式會將輸入轉換為小寫並將其與 exit 進行比較。如果兩者相符，程式會列印 Exiting... (退出中...) 並跳出 while 迴圈，進而結束程式。

  7. 執行命名實體識別。

    doc = nlp(input_text)

for ent in doc.ents:
   print(f"Entity: {ent.text}, Type: {ent.label_}")
    • doc = nlp(input_text)：在此，nlp 模型會處理使用者輸入的文字。這會建立一個 Doc 物件，其中包含各種 NLP 屬性，包括識別出的實體。
    • for ent in doc.ents:：此迴圈會疊代處理在文字中找到的實體。
    • print(f"Entity: {ent.text}, Type: {ent.label_}")：對於每個實體，它會列印實體文字及其類型（例如 PERSON、ORG 或 GPE）。

  8. 建立 requirements.txt。

    範例應用程式已經包含了 requirements.txt 檔案，用以指定應用程式匯入所需的套件。請在程式碼或文字編輯器中開啟 requirements.txt 以探索其內容。

    # 02 named_entity_recognition
spacy==3.7.2

...

    名稱識別應用程式僅需要 spacy 套件。

探索應用程式環境

您將使用 Docker 在容器中執行應用程式。Docker 讓您能夠將應用程式容器化，為執行它提供一致且隔離的環境。這意味著無論基礎系統有何差異，應用程式都能在 Docker 容器內按預期運作。

若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執行以組裝映像檔的所有指令。映像檔 (image) 是一個唯讀範本，其中包含建立 Docker 容器的說明。

範例應用程式中已經包含了 Dockerfile。在程式碼或文字編輯器中開啟 Dockerfile 以探索其內容。

下列步驟說明 Dockerfile 的每個部分。如需更多詳細資料，請參閱 Dockerfile 參考。

  1. 指定基礎映像檔。

    FROM python:3.8-slim

    此指令設定了建置的基礎。python:3.8-slim 是 Python 3.8 映像檔的輕量級版本，針對大小和速度進行了最佳化。使用此精簡映像檔可縮減 Docker 映像檔的整體大小，從而加快下載速度並減少安全漏洞的暴露面。這對於 Python 應用程式特別有用，因為您可能不需要完整的標準 Python 映像檔。

  2. 設定工作目錄。

    WORKDIR /app

    WORKDIR 設定 Docker 映像檔內目前的工作目錄。透過將其設定為 /app，您可以確保 Dockerfile 中後續的所有指令（例如 COPY 和 RUN）都在此目錄中執行。這也有助於組織您的 Docker 映像檔，因為所有與應用程式相關的檔案都包含在特定目錄中。

  3. 將需求檔案複製到映像檔中。

    COPY requirements.txt /app

    COPY 指令將 requirements.txt 檔案從您的本機機器傳輸到 Docker 映像檔中。此檔案列出了應用程式所需的所有 Python 相依套件。將其複製到容器中，讓下一個指令 (RUN pip install) 可以在映像檔環境內安裝這些相依套件。

  4. 在映像檔中安裝 Python 相依套件。

    RUN pip install --no-cache-dir -r requirements.txt

    此行使用 Python 的套件安裝程式 pip 來安裝 requirements.txt 中列出的套件。--no-cache-dir 選項會停用快取，這透過不儲存不必要的快取資料來縮減 Docker 映像檔的大小。

  5. 執行額外指令。

    RUN python -m spacy download en_core_web_sm

    此步驟專門針對需要 spaCy 函式庫的 NLP 應用程式。它會下載 en_core_web_sm 模型，這是 spaCy 的小型英文語言模型。

  6. 將應用程式程式碼複製到映像檔中。

    COPY *.py /app
COPY entrypoint.sh /app

    這些指令將您的 Python 腳本和 entrypoint.sh 腳本複製到映像檔的 /app 目錄中。這點至關重要，因為容器需要這些腳本才能執行應用程式。entrypoint.sh 腳本特別重要，因為它決定了應用程式如何在容器內啟動。

  7. 設定 entrypoint.sh 腳本的權限。

    RUN chmod +x /app/entrypoint.sh

    此指令會修改 entrypoint.sh 的檔案權限，使其可執行。此步驟是必要的，以確保 Docker 容器能夠執行此腳本來啟動應用程式。

  8. 設定進入點 (Entry point)。

    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。這意味著當容器啟動時，它會自動執行該腳本。

    您可以透過在程式碼或文字編輯器中開啟 entrypoint.sh 腳本來探索它。由於範例包含多個應用程式，該腳本讓您可以指定容器啟動時要執行哪個應用程式。

執行應用程式

若要使用 Docker 執行應用程式

  1. 建置映像檔。

    在終端機中，於 Dockerfile 所在的目錄內執行下列指令。

    $ docker build -t basic-nlp .

    以下是該指令的詳細解析

    • docker build：這是用於從 Dockerfile 和內容 (context) 建置 Docker 映像檔的主要指令。內容通常是指定位置的一組檔案，通常是包含 Dockerfile 的目錄。
    • -t basic-nlp：這是用於標記映像檔的選項。-t 旗標代表標籤 (tag)。它會為映像檔指定名稱，在此例中為 basic-nlp。標籤是稍後參考映像檔的方便方式，特別是在將它們推送到登錄檔或執行容器時。
    • .：這是指令的最後一部分，指定建置內容。句點 (.) 表示目前目錄。Docker 將在此目錄中尋找 Dockerfile。建置內容（在此例中為目前目錄）會發送到 Docker 常駐程式 (daemon) 以進行建置。它包含指定目錄中的所有檔案和子目錄。

    如需更多詳細資料，請參閱 docker build CLI 參考。

    Docker 在建置映像檔時會向您的主控台輸出多則日誌。您會看到它下載並安裝相依套件。根據您的網路連線狀況，這可能需要幾分鐘的時間。Docker 確實有快取功能，因此後續的建置速度可能會更快。完成後，主控台將會回到提示字元。

  2. 將映像檔作為容器執行。

    在終端機中，執行下列指令。

    $ docker run -it basic-nlp 02_name_entity_recognition.py

    以下是該指令的詳細解析

    • docker run：這是用於從 Docker 映像檔執行新容器的主要指令。
    • -it：這是兩個選項的組合
      • -i 或 --interactive：即使未附加，這也能保持標準輸入 (STDIN) 開啟。它讓容器能夠保持在前台執行並進行互動。
      • -t 或 --tty：這會分配一個虛擬 TTY，實質上是模擬終端機，例如命令提示字元或 shell。這就是讓您能夠與容器內的應用程式進行互動的選項。
    • basic-nlp：這指定用於建立容器的 Docker 映像檔名稱。在此例中，它是您使用 docker build 指令建立的名稱為 basic-nlp 的映像檔。
    • 02_name_entity_recognition.py：這是您想要在 Docker 容器內執行的指令碼。它會被傳遞給 entrypoint.sh 指令碼，該指令碼會在容器啟動時執行它。

    如需更多詳細資料，請參閱 docker run CLI 參考。

    注意

    對於 Windows 使用者，執行容器時可能會遇到錯誤。請驗證 entrypoint.sh 中的行尾符號是否為 LF (\n) 而非 CRLF (\r\n)，然後重新建置映像檔。如需更多詳細資料，請參閱 [避免意外的語法錯誤，在容器中的檔案使用 Unix 風格的行尾符號](/desktop/troubleshoot-and-support/troubleshoot/topics/#Unexpected-syntax-errors-use-Unix-style-line endings-for-files-in-containers)。

    容器啟動後，您將在主控台中看到下列內容。

    Enter the text for entity recognition (type 'exit' to end):

  3. 測試應用程式。

    輸入一些資訊以進行命名實體識別。

    Enter the text for entity recognition (type 'exit' to end): Apple Inc. is planning to open a new store in San Francisco. Tim Cook is the CEO of Apple.

Entity: Apple Inc., Type: ORG
Entity: San Francisco, Type: GPE
Entity: Tim Cook, Type: PERSON
Entity: Apple, Type: ORG

總結

本指南演示了如何建構並執行命名實體識別應用程式。您學習了如何使用 Python 和 spaCy 建構應用程式，並透過 Docker 設定環境與執行應用程式。

相關資訊

下一步

探索更多 自然語言處理指南。

© . This site is unofficial and not affiliated with Kubernetes or Docker Inc.