El Proyecto | Sobre nosotros | Contribuir | Donaciones | Licencia
HOME Mis cursos Finalizados
◄ Anterior
◄

API de lenguaje natural

Siguiente ►
►

Introducción

La API de lenguaje natural de Google Cloud Platform (GCP) permite a los desarrolladores analizar y comprender el texto de manera avanzada. Esta API utiliza modelos de aprendizaje automático para realizar tareas como el análisis de sentimientos, la extracción de entidades, la clasificación de contenido y la sintaxis del texto.

Objetivos del Módulo

  • Comprender las capacidades de la API de lenguaje natural.
  • Aprender a configurar y utilizar la API.
  • Realizar análisis de texto utilizando ejemplos prácticos.
  • Implementar ejercicios para reforzar los conceptos aprendidos.

  1. Capacidades de la API de lenguaje natural

La API de lenguaje natural ofrece varias funcionalidades clave:

  1. Análisis de Sentimientos: Determina la actitud expresada en un texto, ya sea positiva, negativa o neutral.
  2. Extracción de Entidades: Identifica y clasifica entidades mencionadas en el texto, como personas, organizaciones, ubicaciones, etc.
  3. Análisis Sintáctico: Proporciona información sobre la estructura gramatical del texto.
  4. Clasificación de Contenido: Clasifica el texto en categorías predefinidas.

  1. Configuración de la API

Paso 1: Crear un Proyecto en GCP

  1. Accede a la Consola de Google Cloud.
  2. Crea un nuevo proyecto o selecciona uno existente.

Paso 2: Habilitar la API de Lenguaje Natural

  1. En la consola de GCP, navega a API y Servicios > Biblioteca.
  2. Busca "Cloud Natural Language API" y haz clic en Habilitar.

Paso 3: Configurar la Autenticación

  1. Navega a API y Servicios > Credenciales.
  2. Crea una nueva clave de cuenta de servicio y descarga el archivo JSON.

  1. Uso de la API de Lenguaje Natural

Instalación del Cliente de la API

Para interactuar con la API, utilizaremos la biblioteca cliente de Google Cloud para Python. Instálala usando pip:

pip install google-cloud-language

Ejemplo Práctico: Análisis de Sentimientos

A continuación, se muestra un ejemplo de cómo realizar un análisis de sentimientos en un texto:

from google.cloud import language_v1
from google.cloud.language_v1 import enums

def analyze_sentiment(text_content):
    client = language_v1.LanguageServiceClient()

    # El tipo de documento puede ser PLAIN_TEXT o HTML
    type_ = enums.Document.Type.PLAIN_TEXT

    # Crea un documento con el texto proporcionado
    document = {"content": text_content, "type": type_}

    # Realiza el análisis de sentimientos
    response = client.analyze_sentiment(document=document)

    # Obtiene el sentimiento del documento
    sentiment = response.document_sentiment

    print(f"Text: {text_content}")
    print(f"Sentiment score: {sentiment.score}, Sentiment magnitude: {sentiment.magnitude}")

# Ejemplo de uso
text = "Google Cloud Platform es increíble y muy útil para desarrolladores."
analyze_sentiment(text)

Explicación del Código

  1. Importación de la Biblioteca: Importamos language_v1 de google.cloud.
  2. Cliente de la API: Creamos una instancia del cliente de la API de lenguaje.
  3. Tipo de Documento: Especificamos que el tipo de documento es PLAIN_TEXT.
  4. Creación del Documento: Creamos un documento con el texto proporcionado.
  5. Análisis de Sentimientos: Llamamos a analyze_sentiment para obtener el análisis de sentimientos.
  6. Resultados: Imprimimos la puntuación y magnitud del sentimiento.

  1. Ejercicios Prácticos

Ejercicio 1: Extracción de Entidades

Escribe un programa que extraiga entidades de un texto proporcionado y las clasifique.

from google.cloud import language_v1

def analyze_entities(text_content):
    client = language_v1.LanguageServiceClient()

    type_ = language_v1.Document.Type.PLAIN_TEXT
    document = {"content": text_content, "type": type_}

    response = client.analyze_entities(document=document)

    for entity in response.entities:
        print(f"Entity: {entity.name}, Type: {entity.type_}, Salience: {entity.salience}")

# Ejemplo de uso
text = "Google Cloud Platform es un servicio de Google que ofrece computación en la nube."
analyze_entities(text)

Ejercicio 2: Clasificación de Contenido

Escribe un programa que clasifique el contenido de un texto en categorías predefinidas.

from google.cloud import language_v1

def classify_text(text_content):
    client = language_v1.LanguageServiceClient()

    type_ = language_v1.Document.Type.PLAIN_TEXT
    document = {"content": text_content, "type": type_}

    response = client.classify_text(document=document)

    for category in response.categories:
        print(f"Category: {category.name}, Confidence: {category.confidence}")

# Ejemplo de uso
text = "La inteligencia artificial está revolucionando la industria tecnológica."
classify_text(text)

  1. Retroalimentación y Consejos

Errores Comunes

  • Credenciales Incorrectas: Asegúrate de que el archivo JSON de credenciales esté correctamente configurado y accesible.
  • Texto Demasiado Corto: Algunos análisis requieren una cantidad mínima de texto para proporcionar resultados precisos.

Consejos Adicionales

  • Prueba con Diferentes Textos: Experimenta con diferentes tipos de texto para ver cómo varían los resultados.
  • Combina Funcionalidades: Intenta combinar el análisis de sentimientos con la extracción de entidades para obtener un análisis más completo.

Conclusión

En esta sección, hemos explorado la API de lenguaje natural de GCP, aprendiendo a configurarla y utilizarla para realizar análisis de sentimientos, extracción de entidades y clasificación de contenido. Con estos conocimientos, estás preparado para aplicar análisis de texto avanzado en tus proyectos.

En el próximo módulo, profundizaremos en la API de visión, donde aprenderemos a analizar y comprender imágenes utilizando GCP.

◄ Anterior
◄
Siguiente ►
►
El Proyecto | Sobre nosotros | Contribuir | Donaciones | Licencia
© Copyright 2024. Todos los derechos reservados