Google Cloud自然语言API

在这篇文章中，我们将简要介绍 Google Cloud 提供的机器学习功能之一——自然语言 API。该 API 能够处理文本片段，并支持多种分析算法，帮助开发者更高效地理解和处理文本数据。

自然语言 API 的主要功能

Google Cloud 的自然语言 API 提供了以下核心功能：

• 分析实体：识别文本中的实体（如专有名词、公共场所、艺术作品等），并返回这些实体的相关信息。
• 分析情绪：检测文本中的情绪倾向，判断作者的态度是积极、消极还是中立。
• 分析实体情绪：结合实体分析与情绪分析，确定针对特定实体的情绪（如正面或负面）。
• 分析语法：提取语言信息，将文本分解为句子和标记，并对其进行语法分析。
• 文本分类：分析文档内容并返回适合该文本的类别列表。

这些功能为开发者提供了强大的自然语言处理能力，适用于多种场景，如情感分析、内容分类和实体识别等。

如何使用自然语言 API

要开始使用自然语言 API，最简单的方法是通过 Cloud SDK 提供的 gcloud CLI 工具。以下是一个简单的命令示例：

gcloud ml language analyze-entities --content "Sentence to be analyzed"

为了更好地理解 API 的功能，我们将通过两个具体的分析方法进行演示。

实体分析

我们以以下示例句子为例：

gcloud ml language analyze-entities --content "The Louvre is the home of the beautiful Mona Lisa"

执行上述命令后，API 会返回以下结果：

• 语言被识别为英语。
• 检测到两个实体：卢浮宫和蒙娜丽莎。

这一结果表明，实体检测不仅仅是简单地扫描名词。API 能够理解“卢浮宫”和“家”在语义上的关联，证明了其强大的语义理解能力。

此外，如果有相关信息，API 还会提供实体的元数据，例如来自 Google 知识图谱搜索 API 的 ID 和维基百科链接。

实体情感分析

接下来，我们对同一句话进行实体情感分析：

gcloud ml language analyze-entity-sentiment --content "The Louvre is the home of the beautiful Mona Lisa"

在分析结果中，每个实体及其所有提及都会附带一个情绪分数和幅度：

• 情绪分数：范围为 -1.0 到 1.0，表示从消极到积极的情绪倾向。
• 幅度：范围从 0.0 到无穷大，表示情绪的强度（无论是正面还是负面）。

通过对比多个句子的情绪分数，我们可以更直观地理解 API 的情感分析能力。例如：

1. 正面陈述：情绪分数高于 0，例如“卢浮宫”在没有正面形容词的情况下也能获得正分数。
2. 中性陈述：情绪分数接近 0。
3. 负面陈述：情绪分数低于 0。

这种分析方法能够帮助我们更深入地理解文本中对特定实体的情感表达。

总结

通过本文，我们学习了如何使用 Google Cloud 自然语言 API 执行实体分析和实体情感分析，并理解了其结果的含义。自然语言 API 提供了强大的文本处理能力，适用于多种自然语言处理场景。

在后续文章中，我们将探讨如何通过 Google 云函数访问自然语言 API，进一步扩展其应用场景。

原文链接: https://www.codecentric.de/en/knowledge-hub/blog/google-cloud-natural-language-api