建置一個情感分析應用程式

目錄

概覽

在本指南中，您將學習如何建置並執行一個情感分析應用程式。您將使用 Python 配合自然語言工具包 (NLTK) 來建置應用程式，然後使用 Docker 設定環境並執行應用程式。

該應用程式使用 NLTK 的 SentimentIntensityAnalyzer 對使用者輸入的文字進行情感分析，並輸出情感是正面、負面還是中性。

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

情感分析應用程式的原始程式碼位於 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，以便在接下來的步驟中探索其內容。

  1. 匯入所需的程式庫。

    import nltk
from nltk.sentiment import SentimentIntensityAnalyzer
import ssl
    • nltk：這是用於處理 Python 中人類語言資料的自然語言工具包程式庫。
    • SentimentIntensityAnalyzer：這是 NLTK 中用於判定一段文字情感的特定工具。
    • ssl：此模組提供對傳輸層安全性 (加密) 功能的存取，用於安全網頁連線。

  2. 處理 SSL 憑證驗證。

    try:
    _create_unverified_https_context = ssl._create_unverified_context
except AttributeError:
    pass
else:
    ssl._create_default_https_context = _create_unverified_https_context

    此區塊是用於某些環境的權宜之計，在這些環境中，透過 NLTK 下載資料可能會因為 SSL 憑證驗證問題而失敗。它告訴 Python 忽略 HTTPS 請求的 SSL 憑證驗證。

  3. 下載 NLTK 資源。

    nltk.download('vader_lexicon')
nltk.download('punkt')
    • vader_lexicon：這是 SentimentIntensityAnalyzer 進行情感分析所使用的詞彙表。
    • punkt：NLTK 用於將句子斷詞 (tokenizing)。這對於 SentimentIntensityAnalyzer 的正確運作是必要的。

  4. 建立情感分析函式。

    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() 會建立一個分析器執行個體。
    • polarity_scores(text) 會為輸入文字產生情感評分。

    該函式根據複合評分 (compound score) 回傳 **正面 (Positive)**、**負面 (Negative)** 或 **中性 (Neutral)**。

  5. 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}")

    腳本的這個部分執行一個無限迴圈，以接收使用者的輸入進行分析。如果使用者輸入 exit，程式就會終止。否則，它會列印出所提供文字的情感。

  6. 建立 requirements.txt。

    範例應用程式中已經包含了 requirements.txt 檔案，用以指定應用程式匯入所需的必要套件。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

...

    情感分析應用程式僅需要 nltk 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 程式庫的 NLP 應用程式。它會下載 en_core_web_sm 模型，這是一個適用於 spaCy 的小型英語語言模型。雖然本應用程式不需要它，但為了與可能使用此 Dockerfile 的其他 NLP 應用程式相容而包含在內。

  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。

    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。

    如需更多詳細資料，請參閱 docker build CLI 參考。

  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 01_sentiment_analysis.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。
    • 01_sentiment_analysis.py：這是您想要在 Docker 容器內執行的腳本。它會傳遞給 entrypoint.sh 腳本，該腳本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 semantic analysis (type 'exit' to end):

  3. 測試應用程式。

    輸入一則評論以取得情感分析。

    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

總結

在本指南中，您學習了如何建置並執行一個情感分析應用程式。您學習了如何使用 Python 配合 NLTK 建置應用程式，然後使用 Docker 設定環境並執行應用程式。

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.