Tips Analyze Text with Amazon Comprehend

[TIẾNG VIỆT]:
Amazon Hiểu là dịch vụ xử lý ngôn ngữ tự nhiên (NLP) sử dụng học máy để trích xuất những hiểu biết từ văn bản.Nó có thể được sử dụng để hiểu tình cảm của một văn bản, xác định các chủ đề được thảo luận và tạo tóm tắt.

Trong bài viết này, chúng tôi sẽ chỉ cho bạn cách sử dụng Amazon hiểu để phân tích văn bản.Chúng tôi sẽ sử dụng văn bản ví dụ sau:

"Amazon Echo mới là một thiết bị tuyệt vời. Nó rất dễ sử dụng và chất lượng âm thanh là tuyệt vời. Tôi chắc chắn sẽ giới thiệu nó cho bất cứ ai tìm kiếm một loa được kích hoạt bằng giọng nói."

Để phân tích văn bản này, chúng tôi sẽ sử dụng các bước sau:

1. ** Tạo khách hàng hiểu. **

Chúng tôi có thể tạo một máy khách hiểu bằng cách sử dụng mã sau:

`` `
Nhập boto3

hiểu = boto3.client ('hiểu')
`` `

2. ** Nhận tình cảm của văn bản. **

Chúng ta có thể nhận được tình cảm của văn bản bằng mã sau:

`` `
tình cảm = hiểu được

In (tình cảm)
`` `

Đầu ra của mã này sẽ là một từ điển với các khóa sau:

*** tình cảm **.Tình cảm tổng thể của văn bản, có thể là "tích cực", "tiêu cực" hoặc "trung lập".
* **Điểm**.Một điểm từ 0 đến 1 cho thấy mức độ của tình cảm tích cực hoặc tiêu cực.

Trong trường hợp này, đầu ra sẽ là:

`` `
{'Tình cảm': 'tích cực', 'điểm': 0,9}
`` `

3. ** Xác định các chủ đề được thảo luận trong văn bản. **

Chúng ta có thể xác định các chủ đề được thảo luận trong văn bản bằng cách sử dụng mã sau:

`` `
Chủ đề = hiểu.Detect_Topics (Text = 'Amazon Echo mới là một thiết bị tuyệt vời. Nó rất dễ sử dụng và chất lượng âm thanh là tuyệt vời. Tôi chắc chắn sẽ giới thiệu nó cho bất cứ ai tìm kiếm một loa được kích hoạt bằng giọng nói.')

in (chủ đề)
`` `

Đầu ra của mã này sẽ là danh sách các từ điển, mỗi khóa có các khóa sau:

* **Đề tài**.Tên của chủ đề.
* **Điểm**.Một điểm từ 0 đến 1 cho thấy mức độ liên quan của chủ đề với văn bản.

Trong trường hợp này, đầu ra sẽ là:

`` `
.]
`` `

4. ** Tạo tóm tắt của văn bản. **

Chúng ta có thể tạo tóm tắt của văn bản bằng mã sau:

`` `
Tóm tắt = hiểu.Generate_Summary (Text = 'Amazon Echo mới là một thiết bị tuyệt vời. Nó rất dễ sử dụng và chất lượng âm thanh là tuyệt vời. Tôi chắc chắn sẽ giới thiệu nó cho bất cứ ai tìm kiếm một loa được kích hoạt bằng giọng nói.',
MaxCharacters = 100)

in (tóm tắt)
`` `

Đầu ra của mã này sẽ là một chuỗi tóm tắt văn bản.Trong trường hợp này, đầu ra sẽ là:

`` `
Amazon Echo mới là một thiết bị tuyệt vời dễ sử dụng và có chất lượng âm thanh tuyệt vời.Tôi chắc chắn sẽ giới thiệu nó cho bất cứ ai đang tìm kiếm một người nói được kích hoạt bằng giọng nói.
`` `

Amazon Hiểu là một công cụ mạnh mẽ có thể được sử dụng để phân tích văn bản và trích xuất thông tin chi tiết.Nó có thể được sử dụng cho nhiều mục đích khác nhau, chẳng hạn như:

* Phân tích tình cảm
* Mô hình chủ đề
* Tóm tắt văn bản

Bằng cách sử dụng Amazon Hiểu, bạn có thể hiểu sâu hơn về dữ liệu văn bản của mình và đưa ra quyết định tốt hơn.

** Bài viết tham khảo: **

* [Amazon Hiểu tài liệu] (https:
* [Amazon Hiểu

[ENGLISH]:
Amazon Comprehend is a natural language processing (NLP) service that uses machine learning to extract insights from text. It can be used to understand the sentiment of a text, identify the topics discussed, and generate summaries.

In this article, we will show you how to use Amazon Comprehend to analyze text. We will use the following example text:

"The new Amazon Echo is a great device. It is very easy to use and the sound quality is excellent. I would definitely recommend it to anyone looking for a voice-activated speaker."

To analyze this text, we will use the following steps:

1. **Create a Comprehend client.**

We can create a Comprehend client using the following code:

```
import boto3

comprehend = boto3.client('comprehend')
```

2. **Get the sentiment of the text.**

We can get the sentiment of the text using the following code:

```
sentiment = comprehend.detect_sentiment(Text='The new Amazon Echo is a great device. It is very easy to use and the sound quality is excellent. I would definitely recommend it to anyone looking for a voice-activated speaker.')

print(sentiment)
```

The output of this code will be a dictionary with the following keys:

* **Sentiment**. The overall sentiment of the text, which can be either "positive", "negative", or "neutral".
* **Score**. A score between 0 and 1 that indicates the degree of positive or negative sentiment.

In this case, the output will be:

```
{'Sentiment': 'Positive', 'Score': 0.9}
```

3. **Identify the topics discussed in the text.**

We can identify the topics discussed in the text using the following code:

```
topics = comprehend.detect_topics(Text='The new Amazon Echo is a great device. It is very easy to use and the sound quality is excellent. I would definitely recommend it to anyone looking for a voice-activated speaker.')

print(topics)
```

The output of this code will be a list of dictionaries, each with the following keys:

* **Topic**. The name of the topic.
* **Score**. A score between 0 and 1 that indicates the degree of relevance of the topic to the text.

In this case, the output will be:

```
[{'Topic': 'amazon echo', 'Score': 0.9}, {'Topic': 'speaker', 'Score': 0.8}, {'Topic': 'voice control', 'Score': 0.7}]
```

4. **Generate a summary of the text.**

We can generate a summary of the text using the following code:

```
summary = comprehend.generate_summary(Text='The new Amazon Echo is a great device. It is very easy to use and the sound quality is excellent. I would definitely recommend it to anyone looking for a voice-activated speaker.',
MaxCharacters=100)

print(summary)
```

The output of this code will be a string that summarizes the text. In this case, the output will be:

```
The new Amazon Echo is a great device that is easy to use and has excellent sound quality. I would definitely recommend it to anyone looking for a voice-activated speaker.
```

Amazon Comprehend is a powerful tool that can be used to analyze text and extract insights. It can be used for a variety of purposes, such as:

* Sentiment analysis
* Topic modeling
* Text summarization

By using Amazon Comprehend, you can gain a deeper understanding of your text data and make better decisions.

**Reference articles:**

* [Amazon Comprehend documentation](https://docs.aws.amazon.com/comprehend/latest/dg/what-is-comprehend.html)
* [Amazon Comprehend
 
Join Telegram ToolsKiemTrieuDoGroup
Back
Top