构建情感分析应用

目录

概述

在本指南中，您将学习如何构建和运行一个情感分析应用程序。您将使用 Python 和自然语言工具包 (NLTK) 构建应用程序，然后使用 Docker 设置环境并运行该应用程序。

该应用程序使用 NLTK 的 SentimentIntensityAnalyzer 分析用户输入文本的情感，并输出情感是积极、消极还是中性。

先决条件

  • 您已安装最新版本的 Docker Desktop。Docker 会定期添加新功能，本指南的某些部分可能仅适用于最新版本的 Docker Desktop。
  • 您有一个 Git 客户端。本节中的示例使用基于命令行的 Git 客户端，但您可以使用任何客户端。

获取示例应用程序

  1. 打开一个终端，使用以下命令克隆示例应用程序的代码仓库。

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

  2. 验证您已克隆该代码仓库。

    您应该在 Docker-NLP 目录中看到以下文件。

    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

探索应用程序代码

情感分析应用程序的源代码位于 Docker-NLP/01_sentiment_analysis.py 文件中。在文本或代码编辑器中打开 01_sentiment_analysis.py，以便在以下步骤中探索其内容。

  1. 导入所需的库。

    import nltk
from nltk.sentiment import SentimentIntensityAnalyzer
import ssl
    • nltk: 这是自然语言工具包库，用于在 Python 中处理人类语言数据。
    • SentimentIntensityAnalyzer：这是 NLTK 中的一个特定工具，用于确定一段文本的情感。
    • ssl：此模块提供对传输层安全（加密）功能的访问，用于安全的 Web 连接。

  2. 处理 SSL 证书验证。

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

    此代码块是针对某些环境的变通方法，在这些环境中，由于 SSL 证书验证问题，通过 NLTK 下载数据可能会失败。它告诉 Python 忽略 HTTPS 请求的 SSL 证书验证。

  3. 下载 NLTK 资源。

    nltk.download('vader_lexicon')
nltk.download('punkt')
    • vader_lexicon：这是 SentimentIntensityAnalyzer 用于情感分析的词典。
    • punkt：NLTK 使用它来对句子进行分词。这是 SentimentIntensityAnalyzer 正确运行所必需的。

  4. 创建一个情感分析函数。

    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() 创建一个分析器实例。
    • polarity_scores(text) 为输入文本生成情感得分。

    该函数根据复合得分返回积极、消极或中性。

  5. 创建主循环。

    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}")

    脚本的这一部分运行一个无限循环来接受用户输入进行分析。如果用户输入 exit，程序将终止。否则，它会打印出所提供文本的情感。

  6. 创建 requirements.txt。

    示例应用程序已包含 requirements.txt 文件，用于指定应用程序导入的必要软件包。在代码或文本编辑器中打开 requirements.txt 以探索其内容。

    # 01 sentiment_analysis
nltk==3.6.5

...

    情感分析应用程序只需要 nltk 包。

探索应用程序环境

您将使用 Docker 在容器中运行该应用程序。Docker 允许您将应用程序容器化，为其运行提供一个一致且隔离的环境。这意味着应用程序将在其 Docker 容器内按预期运行，不受底层系统差异的影响。

要在容器中运行应用程序，需要一个 Dockerfile。Dockerfile 是一个文本文档，其中包含您在命令行上调用以组装镜像的所有命令。镜像是带有创建 Docker 容器说明的只读模板。

示例应用程序已经包含一个 Dockerfile。在代码或文本编辑器中打开 Dockerfile 以探索其内容。

以下步骤解释了 Dockerfile 的每个部分。有关更多详细信息，请参阅 Dockerfile 参考。

  1. 指定基础镜像。

    FROM python:3.8-slim

    此命令为构建奠定了基础。python:3.8-slim 是 Python 3.8 镜像的轻量级版本，针对大小和速度进行了优化。使用此精简镜像可以减小 Docker 镜像的总体积，从而加快下载速度并减少安全漏洞的攻击面。这对于可能不需要完整标准 Python 镜像的基于 Python 的应用程序特别有用。

  2. 设置工作目录。

    WORKDIR /app

    WORKDIR 设置 Docker 镜像中的当前工作目录。通过将其设置为 /app，您可以确保 Dockerfile 中的所有后续命令（如 COPY 和 RUN）都在此目录中执行。这也有助于组织您的 Docker 镜像，因为所有与应用程序相关的文件都包含在一个特定目录中。

  3. 将 requirements 文件复制到镜像中。

    COPY requirements.txt /app

    COPY 命令将 requirements.txt 文件从您的本地计算机传输到 Docker 镜像中。此文件列出了应用程序所需的所有 Python 依赖项。将其复制到容器中，下一个命令（RUN pip install）就可以在镜像环境中安装这些依赖项。

  4. 在镜像中安装 Python 依赖项。

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

    这行代码使用 pip（Python 的包安装程序）来安装 requirements.txt 中列出的包。--no-cache-dir 选项禁用了缓存，通过不存储不必要的缓存数据来减小 Docker 镜像的大小。

  5. 运行其他命令。

    RUN python -m spacy download en_core_web_sm

    此步骤特定于需要 spaCy 库的 NLP 应用程序。它下载 en_core_web_sm 模型，这是一个用于 spaCy 的小型英语模型。虽然此应用不需要它，但为了与可能使用此 Dockerfile 的其他 NLP 应用程序兼容而包含它。

  6. 将应用程序代码复制到镜像中。

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

    这些命令将您的 Python 脚本和 entrypoint.sh 脚本复制到镜像的 /app 目录中。这至关重要，因为容器需要这些脚本来运行应用程序。entrypoint.sh 脚本尤其重要，因为它决定了应用程序如何在容器内启动。

  7. 为 entrypoint.sh 脚本设置权限。

    RUN chmod +x /app/entrypoint.sh

    此命令修改 entrypoint.sh 的文件权限，使其可执行。此步骤是必要的，以确保 Docker 容器可以运行此脚本来启动应用程序。

  8. 设置入口点。

    ENTRYPOINT ["/app/entrypoint.sh"]

    ENTRYPOINT 指令将容器配置为运行 entrypoint.sh 作为其默认可执行文件。这意味着当容器启动时，它会自动执行该脚本。

    您可以在代码或文本编辑器中打开 entrypoint.sh 脚本来探索它。由于示例包含多个应用程序，该脚本允许您指定在容器启动时运行哪个应用程序。

运行应用程序

要使用 Docker 运行应用程序

  1. 构建镜像。

    在终端中，在 Dockerfile 所在的目录内运行以下命令。

    $ docker build -t basic-nlp .

    以下是该命令的分解说明：

    • docker build：这是用于从 Dockerfile 和上下文构建 Docker 镜像的主要命令。上下文通常是位于指定位置的一组文件，通常是包含 Dockerfile 的目录。
    • -t basic-nlp：这是用于标记镜像的选项。-t 标志代表 tag（标签）。它为镜像分配一个名称，在本例中为 basic-nlp。标签是以后引用镜像的一种便捷方式，尤其是在将它们推送到注册表或运行容器时。
    • .：这是命令的最后一部分，指定了构建上下文。句点 (.) 表示当前目录。Docker 将在此目录中查找 Dockerfile。构建上下文（在本例中为当前目录）被发送到 Docker 守护进程以启用构建。它包括指定目录中的所有文件和子目录。

    在构建镜像时，Docker 会向您的控制台输出几条日志。您会看到它下载并安装依赖项。根据您的网络连接情况，这可能需要几分钟时间。Docker 确实有缓存功能，因此后续构建可能会更快。完成后，控制台将返回到提示符。

    更多详情，请参阅 docker build CLI 参考。

  2. 将镜像作为容器运行。

    在终端中，运行以下命令。

    $ docker run -it basic-nlp 01_sentiment_analysis.py

    以下是该命令的分解说明：

    • docker run：这是用于从 Docker 镜像运行新容器的主要命令。
    • -it：这是两个选项的组合
      • -i 或 --interactive：即使未附加，也保持标准输入（STDIN）打开。它允许容器在前台运行并保持交互性。
      • -t 或 --tty：这会分配一个伪 TTY，本质上是模拟一个终端，如命令提示符或 shell。这使您能够与容器内的应用程序进行交互。
    • basic-nlp：这指定了用于创建容器的 Docker 镜像的名称。在这种情况下，它是您使用 docker build 命令创建的名为 basic-nlp 的镜像。
    • 01_sentiment_analysis.py：这是您想在 Docker 容器内运行的脚本。它被传递给 entrypoint.sh 脚本，该脚本在容器启动时运行它。

    更多详情，请参阅 docker run CLI 参考。

    注意

    对于 Windows 用户，运行容器时可能会出现错误。请验证 entrypoint.sh 中的行尾是 LF (\n) 而不是 CRLF (\r\n)，然后重新构建镜像。更多详情，请参阅[避免意外的语法错误，为容器中的文件使用 Unix 风格的行尾](/desktop/troubleshoot-and-support/troubleshoot/topics/#Unexpected-syntax-errors-use-Unix-style-line endings-for-files-in-containers)。

    容器启动后，您将在控制台中看到以下内容。

    Enter the text for semantic analysis (type 'exit' to end):

  3. 测试应用程序。

    输入一条评论以获取情感分析。

    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

摘要

在本指南中，您学习了如何构建和运行一个情感分析应用程序。您学习了如何使用 Python 和 NLTK 构建该应用程序，然后使用 Docker 设置环境并运行它。

相关信息

后续步骤

探索更多自然语言处理指南。

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