เข้าใจการประมวลผลภาษาธรรมชาติ

Sep 17, 2025
วิธีการ
Understand natural language processing

เว็บไซต์และแอพสามารถมีชิ้นส่วนที่เคลื่อนไหวต่าง ๆ รวมถึงการสร้างสรรค์ส่วนหน้าการประมวลผลฝั่งเซิร์ฟเวอร์ API และการจัดเก็บข้อมูล AI สามารถเสียบส่วนประกอบใด ๆ เหล่านี้ได้

ที่ส่วนหน้าคุณสามารถเชื่อมต่อคำสั่งเสียงอินเตอร์เฟส chatbot หรือองค์ประกอบความคิดสร้างสรรค์ของ WebGL ปฏิกิริยา ที่ด้านหลังฐานข้อมูลใช้อัลกอริธึมอัจฉริยะเพื่อเพิ่มความเร็วและการวิเคราะห์สูงสุด API สามารถให้ชั้นของนามธรรมจากฟังก์ชั่น AI ที่หลากหลายตั้งแต่การคาดการณ์ไปจนถึงการฝึกอบรมร่วมกัน

หากคุณเพิ่งเริ่มต้นในฐานะนักพัฒนาและต้องการพอยน์เตอร์ให้ค้นหา วิธีการทำแอป หรือเราสามารถช่วยคุณเลือกได้ สร้างเว็บไซต์ , เว็บโฮสติ้ง บริการและ การจัดเก็บเมฆ ใช้.

  • Chatbots: สิ่งที่คุณต้องรู้

ภาษาธรรมชาติ

การประมวลผลภาษาธรรมชาติ (NLP) มุ่งเน้นไปที่การมีปฏิสัมพันธ์ระหว่างเครื่องและภาษามนุษย์ มันเป็นวัตถุประสงค์ของ NLP ในการประมวลผลและวิเคราะห์ข้อมูลภาษาจำนวนมหาศาลเพื่อปรับปรุงการสื่อสารตามธรรมชาติระหว่างมนุษย์และเครื่องจักร ฟิลด์ของ AI นี้รวมถึงการรู้จำเสียงพูดภาษาและสร้างภาษาธรรมชาติ เป้าหมายของเราจะเข้าใจภาษาธรรมชาติกระบวนการวิเคราะห์และกำหนดความหมายหรือความตั้งใจของข้อความ

มีหลายแนวคิดทั่วไปที่ NLP:

  • การตรวจจับภาษา - การทำความเข้าใจภาษาใดที่ใช้ในข้อความเป็นพื้นฐานในการรู้ว่าพจนานุกรมไวยากรณ์และไวยากรณ์ใดที่จะใช้ในการวิเคราะห์
  • การสกัดเอนทิตี - การระบุคำสำคัญในวลีวิธีที่เกี่ยวข้องหรือสำคัญกับข้อความโดยรวมและการพิจารณาสิ่งที่เอนทิตีนั้นขึ้นอยู่กับฐานการฝึกอบรมหรือฐานความรู้
  • การวิเคราะห์ความเชื่อมั่น - การประเมินระดับทั่วไปของ 'ความรู้สึก' ในข้อความ โดยทั่วไปเป็นบวกหรือลบ? นอกจากนี้ความเชื่อมั่นที่เกี่ยวข้องกับแต่ละนิติบุคคล คำสั่งนี้สะท้อนถึงความรู้สึกในเชิงบวกหรือเชิงลบเกี่ยวกับ 'หัวเรื่อง' หรือไม่?
  • การวิเคราะห์วากยสัมพันธ์ - ทำความเข้าใจกับโครงสร้างของข้อความ ระบุแอตทริบิวต์เช่นประโยคส่วนของการพูด (เช่นคำนามคำกริยา), เสียง, เพศอารมณ์และตึงเครียด
  • การจำแนกเนื้อหาหรือการจัดหมวดหมู่ - การจัดระเบียบเนื้อหาของข้อความเป็นหมวดหมู่ทั่วไปเพื่อดำเนินการอย่างมีประสิทธิภาพยิ่งขึ้น ตัวอย่างเช่นนิวยอร์กลอนดอนปารีสมิวนิคเป็น 'สถานที่' หรือ 'เมือง' ทั้งหมด

มีวิธีการทางเทคนิคมากมายในการแยกวิเคราะห์และประมวลผลข้อมูล โดยไม่คำนึงถึงเครื่องมือ NLP ที่คุณใช้คุณจะต้องจัดการกับขั้นตอนทั่วไปของการแยกวิเคราะห์และวิเคราะห์ โดยทั่วไปข้อความจะถูกแยกออกเป็นชิ้น ๆ ตรรกะ ชิ้นเหล่านี้วิเคราะห์จากข้อมูลที่ผ่านการฝึกอบรมหรือฐานความรู้และค่าที่ได้รับมอบหมายโดยปกติแล้วตั้งแต่ 0.0 ถึง 1.0 เพื่อสะท้อนให้เห็นถึงระดับความเชื่อมั่นในการวิเคราะห์

API ภาษาธรรมชาติของ Google

เราจะใช้ API ภาษาธรรมชาติใหม่ที่พัฒนาโดย Google สำหรับการกวดวิชานี้ มี API จำนวนมากที่มีอยู่ แต่ Google มีข้อได้เปรียบที่ดีรวมถึงการประมวลผลแบบคลาวด์ความเร็วฐานผู้ใช้ที่มีขนาดใหญ่อย่างไม่น่าเชื่อและการเรียนรู้เครื่อง เครื่องมือค้นหาและเครื่องมือค้นหาของ Google ได้ใช้ AI มาหลายปีแล้ว ดังนั้นคุณจึงควบคุมประสบการณ์และการเรียนรู้ทั้งหมดโดยใช้บริการสาธารณะ

API รวมเข้ากับโครงการใด ๆ ได้อย่างง่ายดาย สิ่งนี้ช่วยประหยัดเวลาได้มากเมื่อเทียบกับการเข้ารหัสด้วยมือ NLP ของคุณเอง API ที่เป็นนามธรรมที่เป็นนามธรรมช่วยให้คุณสามารถรวมเข้ากับเกือบทุกภาษาที่คุณต้องการผ่านการเรียกขดทั่วไปหรือหนึ่งใน SDKs จำนวนมากที่มีอยู่ มีเทคนิคบางอย่างในการตั้งค่า แต่เราจะทำงานผ่านมันทีละขั้นตอน

คลิกที่ไอคอนที่ด้านบนขวาของภาพเพื่อขยาย

01. สร้างโครงการ Google Cloud ใหม่

Understand natural language processing: Google Cloud Project

การสร้าง GCP ใหม่

ไปที่ Google Cloud แพลตฟอร์มคอนโซล และสร้างโครงการใหม่หรือเลือกที่มีอยู่เพื่อทำงานกับ บริการฟรีที่จะใช้จนกว่าคุณจะเริ่มทำการร้องขอ API จำนวนมาก คุณอาจต้องเชื่อมโยงข้อมูลการเรียกเก็บเงินกับบัญชีเมื่อคุณเปิดใช้งาน API แต่นี่จะไม่ถูกเรียกเก็บเงินในปริมาณน้อยและคุณสามารถลบบริการหลังจากที่คุณทำการทดสอบเสร็จแล้วหากคุณต้องการ

02. เปิดใช้งานคลาวด์ NL

Understand natural language processing: Enable the Cloud NL

เรียกดูไลบรารี API และเปิดใช้งาน API ภาษาธรรมชาติ

เรียกดู ห้องสมุด API และเลือก NL API เมื่อเปิดใช้งานคุณควรเห็นการตรวจสอบสีเขียวเล็กน้อยและข้อความ 'API ที่เปิดใช้งานอยู่ข้างๆ

03. สร้างบัญชีบริการ

คุณจะต้องตั้งค่า บัญชีบริการ สำหรับบริการนี้ เนื่องจากเรากำลังจะตั้งค่าการใช้งานเช่นบริการทั่วไปนี่เป็นแนวปฏิบัติที่ดีที่สุด นอกจากนี้ยังทำงานได้ดีที่สุดด้วยการไหลเวียนของการตรวจสอบสิทธิ์

04. ดาวน์โหลดรหัสส่วนตัว

Understand natural language processing: Download private key

รับรหัสส่วนตัวของคุณสำหรับบัญชีบริการ

เมื่อคุณมีโครงการที่เปิดใช้งาน API และบัญชีบริการคุณสามารถดาวน์โหลดรหัสส่วนตัวของคุณเป็นไฟล์ JSON จดบันทึกตำแหน่งของไฟล์ดังนั้นคุณสามารถใช้ในขั้นตอนต่อไป

หากคุณมีปัญหาใด ๆ กับสองสามขั้นตอนแรกมีคำแนะนำ ที่นี่ ที่ช่วยซึ่งจบลงด้วยการดาวน์โหลดของปุ่ม JSON

05. ตั้งค่าตัวแปรสภาพแวดล้อม

ถัดไปคุณต้องตั้งค่า Google_application_credentials ตัวแปรสิ่งแวดล้อมดังนั้นจึงสามารถเข้าถึงได้โดยการโทร API ของเรา จุดนี้ไปยังไฟล์ JSON ของคุณที่คุณเพิ่งดาวน์โหลดและบันทึกคุณต้องพิมพ์เส้นทางทุกครั้ง เปิดหน้าต่างเทอร์มินัลใหม่และใช้คำสั่งการส่งออกเช่นเดียวกับ: 

export GOOGLE_APPLICATION_CREDENTIALS="/Users/username/Downloads/[file name].json"

แทนที่ [ชื่อไฟล์] ด้วยไฟล์คีย์ส่วนตัวของคุณและใช้เส้นทางไปยังไฟล์ของคุณ

บน Windows คุณสามารถทำสิ่งเดียวกันผ่านบรรทัดคำสั่งเช่นนี้: 

$env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\[FILE_NAME].json"

หมายเหตุ: หากคุณปิดหน้าต่างเทอร์มินัลหรือคอนโซลของคุณคุณอาจต้องเรียกใช้อีกครั้งเพื่อตั้งค่าตัวแปร

06. โทรไปที่ API

ตอนนี้คุณพร้อมที่จะขุดโดยใช้ API แล้วดู NLP ในการดำเนินการ คุณจะใช้ Curl เพื่อทำการทดสอบ API อย่างรวดเร็ว คุณยังสามารถใช้วิธีนี้จากรหัสของคุณ

คำขอม้วนงอสามารถทำได้ในภาษาส่วนใหญ่ซึ่งหมายความว่าคุณสามารถโทรตรงในบรรทัดคำสั่งหรือกำหนดผลลัพธ์ให้กับตัวแปรในภาษาที่คุณเลือก ดูนี่ สำหรับเคล็ดลับที่รวดเร็วในการใช้ Curl

ลองทำคำขอทดสอบด้วยประโยคง่ายๆ เราจะเรียกใช้ผ่าน การวิเคราะห์ จุดสิ้นสุด

ในเทอร์มินัลหรืออินเตอร์เฟสบรรทัดคำสั่งให้ป้อนคำสั่งต่อไปนี้: 

 curl -x โพสต์ \
     -h "การอนุญาต: ผู้ถือ" $ (gcloud actif application - เริ่มต้นพิมพ์ token) \
     -h "ประเภทเนื้อหา: แอปพลิเคชัน / JSON; Charset = UTF-8" \
     - DATA "{
  'เอกสาร':{
    'ประเภท': 'Plain_text'
    'เนื้อหา': 'John McCarthy เป็นหนึ่งในบรรพบุรุษผู้ก่อตั้งของปัญญาประดิษฐ์'
  },
  'encodingtype': 'UTF8'
} "" https://language.googleapis.com/v1/Documents:AnalyzeEnties"

คุณควรเห็นผลลัพธ์ของ JSON หลังจากดำเนินการ คุณอาจได้รับแจ้งครั้งแรกที่คุณใช้สิ่งนี้เพื่อเปิดใช้งาน API หรืออนุญาตการเข้าถึง คุณสามารถตอบ 'ใช่' หรือ 'y' กับพรอมต์นั้นและควรส่งคืน JSON หลังจากนั้น

มันจะส่งคืนอาร์เรย์ของรายการคล้ายกับคนที่ชอบคนแรกสำหรับรายการ "John McCarthy" 

 {
      "ชื่อ": "John McCarthy",
      "พิมพ์": "คน"
      "เมตาดาต้า": {
        "wikipedia_url": "https://en.wikipedia.org/wiki/john_mccarthy_(computer_scientist)",
        "กลาง": "/ m / 01svfj"
      },
      "Salience": 0.40979216,
      "กล่าวถึง": [
        {
          "ข้อความ": {
            "เนื้อหา": "John McCarthy",
            "Beginoffset": 0
          },
          "พิมพ์": "เหมาะสม"
        }
      ]
    },

บันทึก: คุณสามารถใช้ URL แทนข้อความเนื้อหาในพารามิเตอร์เนื้อหาของคำสั่ง Curl

คุณสามารถดูในรายชื่อนิติบุคคลตัวอย่าง ชื่อ ระบุและ ประเภท ซึ่ง AI ที่กำหนดเป็น คน . นอกจากนี้ยังพบการแข่งขัน Wikipedia สำหรับ ชื่อ และกลับมาแล้ว สิ่งนี้มีประโยชน์เนื่องจากคุณสามารถใช้ URL นั้นเป็นเนื้อหาสำหรับการร้องขอที่สองไปยัง API และรับเอนทิตีและข้อมูลเพิ่มเติมเกี่ยวกับเกมนี้ คุณยังสามารถดู ความโกรธ ค่าที่ 0.4 ซึ่งบ่งชี้ถึงความสำคัญสัมพัทธ์ที่สำคัญของเอนทิตีในบริบทของข้อความที่เราให้ไว้ คุณสามารถดูได้ถูกระบุอย่างถูกต้องเป็น เหมาะสม ซึ่งหมายถึงคำนาม (คำนามที่เหมาะสม) รวมถึงจำนวนเหตุการณ์ที่เกิดขึ้น (กล่าวถึง) ของเอนทิตีในข้อความ

API จะส่งคืนค่าสำหรับเอนทิตีสำคัญทั้งหมดในข้อความที่คุณส่ง สิ่งนี้เพียงอย่างเดียวอาจมีประโยชน์อย่างยิ่งสำหรับการประมวลผลสิ่งที่ผู้ใช้อาจสื่อสารกับแอปของคุณ โดยไม่คำนึงถึงสิ่งที่ประโยคที่มีอยู่มีโอกาสที่ดีเกี่ยวกับคน John McCarthy และเราสามารถค้นหาข้อมูลบางอย่างสำหรับผู้ใช้ตามนี้เพียงอย่างเดียว นอกจากนี้เรายังสามารถตอบสนองในลักษณะที่สะท้อนถึงการเข้าใจคำแถลงนี้หมายถึงบุคคล

คุณสามารถใช้วิธีนี้เพื่อทดสอบการโทรที่เราจะใช้ นอกจากนี้คุณยังสามารถตั้งค่า SDK ท้องถิ่นในภาษาที่คุณต้องการและจำนวนเต็มในแอปของคุณ

07. ติดตั้งไลบรารีไคลเอ็นต์

ใช้เวลาในการสร้างแอพบนเว็บอย่างง่ายเพื่อแสดงให้เห็นถึงวิธีการรวม API เข้ากับโครงการ

สำหรับแอป NLP เป็นเรื่องปกติที่จะใช้ Python หรือโหนด เพื่อแสดงความเก่งกาจของการใช้ API เราจะใช้ PHP SDK หากคุณต้องการปรับแต่งรหัสให้เป็นภาษาอื่นมีทรัพยากรที่ดีของ SDK ที่นี่ .

เริ่มต้นด้วยการตรวจสอบให้แน่ใจว่าคุณมีโฟลเดอร์โครงการตั้งค่าบนเซิร์ฟเวอร์ภายในหรือเซิร์ฟเวอร์ระยะไกลของคุณ หากคุณยังไม่มีมันให้รับนักแต่งเพลงและติดตั้งกับโฟลเดอร์โครงการของคุณ คุณอาจมีนักแต่งเพลงที่ติดตั้งอยู่แล้วทั่วโลกและก็ดีเช่นกัน

รันคำสั่ง composer ต่อไปนี้เพื่อติดตั้งไฟล์ผู้ขายไปยังโครงการของคุณ: 

 PHP -R "คัดลอก ('https://getcomposer.org/installer', 'composer-setup.php');"
PHP r "ถ้า (hash_file ( 'SHA384', 'นักแต่งเพลง-setup.php) === '93b54496392c06277467 0ac18b134c3b3a95e5a5e5 c8f1a9f115f203b75bf9a129d5 daa8ba6a13e2cc8a1da080 6388a8') {ก้อง 'การติดตั้งตรวจสอบแล้ว';} else {ก้อง 'Installer เสียหาย'; ยกเลิกการเชื่อมโยง (' composer-setup.php ');} echo php_eol; "
PHP composer-setup.php
PHP -R "Unlink ('composer-setup.php');"
PHP Composer.Phar ต้องการ Google / Cloud-Language

นักแต่งเพลงสร้างโฟลเดอร์ผู้ขายในโฟลเดอร์โครงการของคุณและติดตั้งการพึ่งพาทั้งหมดสำหรับคุณ

หากคุณติดตั้งที่ติดอยู่นี้และต้องการใช้ PHP คุณสามารถตรวจสอบทรัพยากรนี้ได้ การติดตั้งนักแต่งเพลง .

08. สร้างไฟล์ใหม่

หากคุณกำลังติดตามใน PHP ให้สร้างไฟล์ PHP ใหม่ในโฟลเดอร์โครงการของคุณ ตั้งค่ามันขึ้นมา แต่คุณชอบ แต่มีรูปแบบ HTML แบบง่าย ๆ เพื่อส่งข้อความอย่างรวดเร็ว

นี่คือไฟล์ PHP ตัวอย่างที่มีแบบฟอร์ม: 

 & lt;! Doctype HTML & GT;
& lt; html & gt;
& lt; หัว & gt;
& lt; ชื่อ & gt; net - nlp tutorial & lt; / ชื่อ & gt;
& lt; / head & gt;
& lt; ร่างกาย & gt;
& lt; form & gt;
& lt; p & gt; & lt; input type = 'ข้อความ' id = "เนื้อหา" ชื่อ = "เนื้อหา" placeholder = "ฉันสามารถวิเคราะห์อะไรได้บ้าง" / & gt; & lt; / p & gt;
& lt; p & gt; & lt; input type = 'ส่ง' name = 'ส่ง' id = 'ส่ง' ค่า = 'วิเคราะห์' & gt; & lt; / p & gt;
& lt; / แบบฟอร์ม & gt;
& lt; div class = "ผลลัพธ์" & gt;
& lt; php
// รหัส PHP ไปที่นี่ //
ถ้า (ว่างเปล่า ($ _ รับ [เนื้อหา '])) {die (); }
$ content = $ _get ['เนื้อหา'];
& & gt;
& lt; / div & gt;
& lt; / body & gt;
& lt; / html & gt;

รหัสมีไฟล์ HTML พื้นฐานพร้อมแบบฟอร์มพร้อมกับตัวยึดตำแหน่งสำหรับรหัส PHP ของคุณ รหัสเริ่มต้นด้วยการตรวจสอบการมีอยู่ของตัวแปรเนื้อหา (ส่งจากแบบฟอร์ม) หากยังไม่ได้ส่งมันจะออกไปและไม่ทำอะไรเลย

09. ทำให้ตัวแปรสภาพแวดล้อม

คล้ายกับขั้นตอนที่เราเคยทำเมื่อใช้การโทรคำสั่ง curl เราต้องตั้งค่า Google_application_credentials ตัวแปร. นี่เป็นสิ่งสำคัญที่จะต้องได้รับการรับรองความถูกต้อง

ใน PHP เราใช้ putenv คำสั่งเพื่อตั้งค่าตัวแปรสภาพแวดล้อม การรับรองความถูกต้องที่สร้างขึ้นโดย SDK หมดอายุดังนั้นคุณต้องรวมสิ่งนี้ไว้ในรหัสของคุณเพื่อคว้ามันและตั้งค่าทุกครั้ง

เพิ่มรหัสนี้ถัดไปในรหัส PHP ของคุณ: 

 putenv ('google_application_credentials = / ผู้ใช้ / richardmattka / downloads / nlp tutorial 1-10272228343dc.json');

แทนที่เส้นทางและชื่อไฟล์ตามที่คุณทำมาก่อนด้วยตัวเอง

10. เริ่มต้นห้องสมุด

ถัดไปเพิ่มไลบรารีและเริ่มต้น LanguageClient ชั้นเรียนในรหัสของคุณ เพิ่มรหัสนี้ถัดจากส่วนรหัส PHP ของคุณ: 

 ต้องการ __dir__ '/ vendor/autoload.php';
ใช้ Google \ Cloud \ Language \ LanguageClient;
$ ProjectId = 'NLP-Tutorial-1-1543506531329';
$ language = New LanguageClient ([
    'ProjectID' = & GT; $ ProjectID
]);

เริ่มต้นด้วยการกำหนดให้ผู้ขาย Autoload นี่คล้ายกับ Python หรือโหนดหากคุณต้องการการอ้างอิงของคุณ นำเข้า LanguageClient ถัดไปเพื่อใช้ประโยชน์จากชั้นเรียน กำหนดของคุณ ฉาย . หากคุณไม่แน่ใจว่าสิ่งนี้คืออะไรคุณสามารถค้นหามันในคอนโซล GCP ของคุณซึ่งคุณตั้งค่าโครงการเดิม ในที่สุดสร้างใหม่ LanguageClient วัตถุที่ใช้ของคุณ ฉาย และกำหนดให้กับ $ language ตัวแปร.

11. วิเคราะห์นิติบุคคล

ตอนนี้คุณพร้อมที่จะเริ่มใช้ NLP API ในรหัสของคุณแล้ว คุณสามารถส่งเนื้อหาจากแบบฟอร์มไปยัง API และรับผลลัพธ์ สำหรับตอนนี้คุณจะแสดงผลลัพธ์เป็น JSON ไปที่หน้าจอ ในทางปฏิบัติคุณสามารถประเมินผลลัพธ์และใช้วิธีที่คุณต้องการ คุณสามารถตอบสนองต่อผู้ใช้ตามผลลัพธ์ให้ค้นหาข้อมูลเพิ่มเติมหรือดำเนินงาน

หากต้องการสรุปการวิเคราะห์เอนทิตีจะส่งคืนข้อมูลเกี่ยวกับ 'สิ่งที่' หรือ 'สิ่งที่พบ' ในข้อความ 

 $ ผลลัพธ์ = $ language- & gt; วิเคราะห์ ($ เนื้อหา);
foreach ($ praction- & gt; เอนทิตี () เป็น $ e) {
echo "& lt; div class = 'ผลลัพธ์' & gt;";
$ prupt = json_encode ($ e, json_pretty_print);
echo $ ผลลัพธ์;
echo "& lt; / div & gt;";
}

รหัสนี้ส่งเนื้อหาจากแบบฟอร์มที่ส่งไปยัง การวิเคราะห์ จุดสิ้นสุดและเก็บผลลัพธ์ใน $ ผลลัพธ์ ตัวแปร. จากนั้นคุณจะทำซ้ำรายการเอนทิตีที่ส่งคืนจาก $ ผลลัพธ์ - & gt; เอนทิตี () . เพื่อให้สามารถอ่านได้อีกเล็กน้อยคุณสามารถจัดรูปแบบเป็น JSON ก่อนส่งออกไปยังหน้าจอ อีกครั้งนี่เป็นเพียงตัวอย่างที่จะแสดงวิธีการใช้งาน คุณสามารถประมวลผลมันและตอบสนองต่อผลลัพธ์ตามที่คุณต้องการ

12. วิเคราะห์ความเชื่อมั่น

Understand natural language processing: Analyse the sentiment

การใช้รูปแบบง่าย ๆ และรหัสฝั่งเซิร์ฟเวอร์เพื่อประมวลผลข้อความด้วย API ภาษาธรรมชาติ

แทนที่จะรู้ว่า 'อะไร' ของเนื้อหาก็สามารถรู้ความเชื่อมั่นได้ ผู้ใช้รู้สึกอย่างไร พวกเขารู้สึกอย่างไรเกี่ยวกับนิติบุคคลในการสื่อสารของพวกเขา?

อัปเดตรหัสเพื่อใช้ วิเคราะห์ จุดสิ้นสุด สิ่งนี้จะประเมินทั้งนิติบุคคลก่อน แต่ยังส่งคืนคะแนนความเชื่อมั่นสำหรับแต่ละคน 

 $ ผลลัพธ์ = $ language- & gt; วิเคราะห์ (เนื้อหา $);

foreach ($ praction- & gt; เอนทิตี () เป็น $ e) {
echo "& lt; div class = 'ผลลัพธ์' & gt;";
$ prupt = json_encode ($ e, json_pretty_print);
echo $ ผลลัพธ์;
echo "& lt; / div & gt;";
}

การทดสอบกับเนื้อหาผ่านแบบฟอร์ม "Star Wars เป็นภาพยนตร์ที่ดีที่สุดตลอดกาล" คุณจะเห็นผลลัพธ์คล้ายกับสิ่งนี้: 

 {"ชื่อ": "Star Wars", "ประเภท": "work_of_art", "ข้อมูลเมตา": {"กลาง": "\ / m \ / 06mmr", "wikipedia_url": "https: \ / \ / en.wikipedia.org \ / wiki \ / star_wars "}," Salience ": 0.63493526," กล่าวถึง ": [{" ข้อความ ": {" เนื้อหา ":" Star Wars "," BeginOffset ": 0}" ประเภท " : "เหมาะสม", "ความเชื่อมั่น": {"ขนาด": 0.6, "คะแนน": 0.6}}], "ความเชื่อมั่น": {"ขนาด": 0.6, "คะแนน": 0.6}}
{"ชื่อ": "ภาพยนตร์", "ประเภท": "Work_of_Art", "ข้อมูลเมตา": [], "Salience": 0.36506474, "กล่าวถึง": [{"ข้อความ": {"เนื้อหา": "ภาพยนตร์": " Beginoffset ": 22}," พิมพ์ ":" ทั่วไป "," ความเชื่อมั่น ": {" ขนาด ": 0.9," คะแนน ": 0.9}}]," ความเชื่อมั่น ": {" ขนาด ": 0.9," คะแนน ": 0.9" คะแนน ": 0.9 }}

นี่แสดงให้เห็นถึงคะแนนความเชื่อมั่นในเชิงบวกของค่าที่สำคัญ ตอนนี้คุณไม่เพียง แต่รู้คำสำคัญที่ผู้ใช้สื่อสาร แต่ยังไงก็ตาม แอปของคุณสามารถตอบสนองอย่างเหมาะสมตามข้อมูลนี้ คุณมีการระบุ "Star Wars" ที่ชัดเจนในฐานะหัวข้อหลักที่มีความยาวสูง คุณมีลิงก์ Wikipedia เพื่อคว้าข้อมูลเพิ่มเติมหากคุณต้องการเรียกใช้ URL นั้นกลับผ่านการโทร API เดียวกัน นอกจากนี้คุณยังรู้ว่าผู้ใช้รู้สึกเป็นบวกเกี่ยวกับมัน คุณสามารถดูคำแถลงต่อความเชื่อมั่นในเชิงบวกต่อคุณภาพของมันเป็นภาพยนตร์ เท่ห์มาก.

พรากจากกัน

ลองทดลองกับจุดสิ้นสุดอื่น ๆ โดยเฉพาะตรวจสอบ Analyzesyntax และ ClassifyText จุดสิ้นสุด สิ่งเหล่านี้ให้ข้อมูลการพูดมากขึ้นและการจำแนกประเภทของเอนทิตีเนื้อหามากขึ้น

บทความนี้ได้รับการตีพิมพ์ครั้งแรกในฉบับที่ 315 ของ สุทธิ นิตยสารที่ขายดีที่สุดในโลกสำหรับนักออกแบบเว็บไซต์และนักพัฒนา ซื้อปัญหา 315 ที่นี่ หรือ สมัครสมาชิกที่นี่ .

บทความที่เกี่ยวข้อง:

  • 7 เทรนด์เทคโนโลยีขนาดใหญ่ที่นักออกแบบจำเป็นต้องรู้ตอนนี้
  • วิธีการออกแบบประสบการณ์ Chatbot
  • 5 เทคนิคการแปลงแบบเคาน์เตอร์

วิธีการ - บทความยอดนิยม

วิธีการสร้างความเรียบง่ายการสร้างรูปร่างแบบผสมผสานในมายา

วิธีการ Sep 17, 2025

(เครดิตภาพ: Antony Ward) ใน Maya ผสมผสานรูปร่างหรือเป�..

วิธีการวาดม้า

วิธีการ Sep 17, 2025

หน้า 1 จาก 2: วิธีการวาดม้า: ทีละขั้นตอน ..

สร้างปริมาณ CSS เฉพาะและเค้าโครงที่เฉพาะเจาะจง

วิธีการ Sep 17, 2025

ในการกวดวิชานี้เราจะดูวิธีการเปลี่ยนสไตล์ CSS �..

วิธีการแสดงดวงตาสัตว์

วิธีการ Sep 17, 2025

(เครดิตรูปภาพ: Jill Tisbury) เมื่อเรียนรู้ วิธีก�..

วิธีการสร้างผ้า CG ที่สมจริง

วิธีการ Sep 17, 2025

เมื่อทำงานกับผ้าและผ้าในแบบ 3 มิติอาจเป็นเรื่..

สร้างคอมโพสิตใน Photoshop

วิธีการ Sep 17, 2025

Adobe กำลังเปิดตัวชุดวิดีโอชุดใหม่วันนี้เรียกว่าตอนนี้ซึ่งมีวัตถุปร�..

วิธีการสร้างมังงะด้วย Wild West Twist

วิธีการ Sep 17, 2025

Westerns เป็นสิ่งที่ฉันชอบอยู่เสมอ ในบทช่วยสอนนี้�..

กายวิภาคศาสตร์ของภาพล้อเลียน: 15 เคล็ดลับยอดนิยม

วิธีการ Sep 17, 2025

ในฐานะนักแปลอิสระเต็มเวลาฉันคุ้นเคยกับการทำ..

หมวดหมู่