O OCI Language capacita os desenvolvedores com modelos pré-treinados prontos para produção para automatizar análises de texto sofisticadas em escala sem exigir nenhum conhecimento de aprendizado de máquina. O OCI Language pode ser ser acessado por meios de APIs Rest e SDKs.
- Análise de sentimentos
- Reconhecimento de entidade nomeada
- Extração de frase chave
- Detecção de idioma
- Classificação de Texto
1 - Navegue até o OCI Language Navegue até o idioma OCI. Faça login no OCI Cloud Console. Usando o menu Burger no canto superior esquerdo, navegue até o menu Analytics e AI e clique nele e selecione o item Idioma em serviços AI.
2 - Digite o texto Digite seu texto na caixa de diálogo para analisar.
Abaixo estão alguns exemplos para o texto:
O crescimento do mercado pet no ano da pandemia – números
Parcela de clientes do Nubank que fizeram compras pela internet para seus bichinhos aumentou 80% no comparativo com 2019.
Leia mais em: https://veja.abril.com.br/coluna/radar/o-crescimento-do-mercado-pet-no-ano-da-pandemia-numeros/
In 2020 people worldwide moved to working remotely because of the COVID-19 pandemic. As a result, collaborative tools like video conferencing, email and chat have become critical, as they allow employees to perform their jobs from home.
3 - Clique em Analisar
Você pode analisar o texto clicando no botão Analyze.
Depois de analisar seu texto, o serviço do Language exibe os resultados por categoria para as ferramentas selecionadas da seguinte forma:
1 - Language Detection
Lista, por porcentagem de confiança, os idiomas detectados.
2 - Text Classification
Lista a palavra, a categoria de documento identificada e a pontuação de confiança.
3 - Named entity recognition
Identifica as entidades nomeadas que foram encontradas e suas categorias são indicadas.
4 - Key phrase extraction
Lista as frases-chave detectadas no texto.
5 - Sentiment Analysis
Renderiza o nível do documento, o sentimento com base no aspecto e no nível da frase com pontuação.
Você pode clicar no botão Mostrar JSON para visualizar a saída de cada um dos recursos no formato JSON.
Clique no botão Mostrar resultados padrão para sair da visualização JSON.
O Oracle Cloud Infrastructure fornece vários Kits de Desenvolvimento de Software (SDKs) para facilitar o desenvolvimento de soluções personalizadas. Os SDKs permitem que você crie e implante aplicativos que se integram aos serviços do Oracle Cloud Infrastructure. Cada SDK também inclui ferramentas e artefatos necessários para desenvolver um aplicativo, como amostras de código e documentação. Além disso, se você quiser contribuir com o desenvolvimento dos SDKs, todos eles são de código aberto e estão disponíveis no GitHub. Você pode invocar os recursos do OCI Language por meio dos SDKs OCI. Nesta sessão de laboratório, vários trechos de código serão mostrados para acessar o OCI Language por meio dos SDKs OCI. Você não precisa executar os snippets, mas revise-os para entender quais informações e etapas são necessárias para implementar sua própria integração. Além disso, você pode encontrar exemplos de linguagem OCI em diferentes linguagens de programação neste repositório do github.
1 - SDK Para Java
2 - SDK Para Python
3 - SDK Para TypeScript e JavaScript
4 - SDK Para .NET
5 - SDK Para Go
6 - SDK Para Ruby
Pré-requisito: Antes de gerar um par de chaves, crie o diretório .oci em seu diretório inicial para armazenar as credenciais.
Mac OS / Linux:
mkdir ~/.oci
Windows:
mkdir %HOMEDRIVE%%HOMEPATH%\.oci
1 - Abra as configurações do usuário
Abra o menu Perfil (ícone do menu Usuário) e clique em Configurações do usuário.
2 - Chave API
Navegue até a chave de API e clique em Adicionar chave de API.
3 - Gerar chave de API
Na caixa de diálogo, selecione Gerar par de chaves de API. Clique em Baixar chave privada e salve a chave em seu diretório .oci e clique em Adicionar.
4 - Gerar arquivo de configuração
Copie os valores mostrados no console.
Crie um arquivo de configuração na pasta .oci e cole os valores copiados. Substitua o valor key_file pelo caminho de sua chave de API gerada.
Por favor, siga os passos na ordem descrita. Antes de prosseguir, certifique-se de ter a versão 3.x do Python e que ela esteja disponível na linha de comando. Você pode verificar isso simplesmente executando:
python --version
Se você não tiver Python, instale a versão 3.x mais recente python.org
Além disso, você precisará ter certeza de que tem pip disponível. Você pode verificar isso executando:
pip --version
Se você instalou o Python a partir da fonte, com um instalador do python.org ou via Homebrew, você já deve ter o pip. Se você estiver no Linux e instalado usando o gerenciador de pacotes do sistema operacional, talvez seja necessário instalar o pip separadamente.
1 - Criar ambiente virtual
Para criar um ambiente virtual, execute o módulo venv como um script conforme mostrado abaixo
python3 -m venv <name of virtual environment>
2 - Ativar virtualenv
Depois de criar um ambiente virtual, você pode ativá-lo.
Mac OS/Linux:
source <name of virtual environment>/bin/activate
Windows:
<name of virtual environment>\Scripts\activate
3 - Instalar OCI
Agora instale oci executando:
pip install oci
Python Code
import oci
config = oci.config.from_file('/.oci/config')
ai_client = oci.ai_language.AIServiceLanguageClient(config=config)
#Input Text
text1 = "The Indy Autonomous Challenge is the worlds first head-to-head, high speed autonomous race taking place at the Indianapolis Motor Speedway"
text2 = "Using high-performance GPU systems in the Oracle Cloud, OCI will be the cloud engine for the artificial intelligence models that drive the MIT Driverless cars competing in the Indy Autonomous Challenge."
#language Detection of Input Documents
doc1 = oci.ai_language.models.DominantLanguageDocument(key="doc1", text=text1)
doc2 = oci.ai_language.models.DominantLanguageDocument(key="doc2", text=text2)
documents = [doc1, doc2]
batch_detect_dominant_language_details = oci.ai_language.models.BatchDetectDominantLanguageDetails(documents=documents)
output = ai_client.batch_detect_dominant_language(batch_detect_dominant_language_details)
print(output.data)
#Text Classification of Input Documents
doc1 = oci.ai_language.models.TextClassificationDocument(key="doc1", text=text1)
doc2 = oci.ai_language.models.TextClassificationDocument(key="doc2", text=text2)
documents = [doc1, doc2]
batch_detect_language_text_classification_details = oci.ai_language.models.BatchDetectLanguageTextClassificationDetails(documents=documents)
output = ai_client.batch_detect_language_text_classification(batch_detect_language_text_classification_details)
print(output.data)
#Named Entity Recoginiton of Input Documents
doc1 = oci.ai_language.models.EntityDocument(key="doc1", text=text1)
doc2 = oci.ai_language.models.EntityDocument(key="doc2", text=text2)
documents = [doc1, doc2]
batch_detect_language_entities_details = oci.ai_language.models.BatchDetectLanguageEntitiesDetails(documents=documents)
output = ai_client.batch_detect_language_entities(batch_detect_language_entities_details)
print(output.data)
#Key Phrase Detection of Input Documents
doc1 = oci.ai_language.models.KeyPhraseDocument(key="doc1", text=text1)
doc2 = oci.ai_language.models.KeyPhraseDocument(key="doc2", text=text2)
documents = [doc1, doc2]
batch_detect_language_key_phrases_details = oci.ai_language.models.BatchDetectLanguageKeyPhrasesDetails(documents=documents)
output = ai_client.batch_detect_language_key_phrases(batch_detect_language_key_phrases_details)
print(output.data)
#Aspect based and Sentence level Sentiment Analysis of Input Documents
doc1 = oci.ai_language.models.SentimentsDocument(key="doc1", text=text1)
doc2 = oci.ai_language.models.SentimentsDocument(key="doc2", text=text2)
documents = [doc1, doc2]
batch_detect_language_sentiment_details = oci.ai_language.models.BatchDetectLanguageSentimentsDetails(documents=documents)
output = ai_client.batch_detect_language_sentiments(batch_detect_language_sentiment_details, level=["ASPECT","SENTENCE"])
print(output.data)
Siga as etapas abaixo para executar o SDK do Python:
1 - Baixe o código Python.
Baixe o arquivo de código e salve-o em seu diretório.
2 - Execute o Código.
Navegue até o diretório onde você salvou o arquivo acima (por padrão, ele deve estar na pasta 'Downloads') usando seu terminal e execute o arquivo executando:
python language.py
3 - Resultados
Você verá o resultado como abaixo