AWS Comprehend ile AI Destekli Metin Analizi: Flask Web Arayüzü
Günümüzde veri miktarının hızla artmasıyla birlikte, bu verilerden anlamlı bilgiler çıkarmak büyük bir zorluk haline geldi. Doğal Dil İşleme (NLP), metin verilerinden içgörüler elde etmek için kullanılabilen güçlü bir araçtır. Amazon Web Services (AWS) Comprehend, metin analizini kolaylaştırmak için tasarlanmış, yönetilen bir NLP hizmetidir.
Bu makalede, AWS Comprehend’in kullanımıyla, Flask web çerçevesini kullanarak, metin verilerini analiz eden ve sonuçları kullanıcı dostu bir web arayüzü aracılığıyla sunan basit bir uygulama oluşturacağız.
Uygulama Kurulumu
Öncelikle, uygulamamız için gerekli bileşenleri kuracağız.
1. AWS Hesabı
AWS Comprehend’i kullanmak için öncelikle bir AWS hesabına ihtiyacınız olacak. Eğer henüz bir hesabınız yoksa, AWS web sitesinden ücretsiz bir hesap oluşturabilirsiniz.
2. Python ve Flask
Uygulamamız için Python programlama dilini ve Flask web çerçevesini kullanacağız. Python ve Flask’i bilgisayarınıza kurmak için aşağıdaki komutları kullanabilirsiniz:
“`bash
pip install Flask
“`
3. AWS SDK for Python (Boto3)
AWS Comprehend ile etkileşim kurmak için Boto3 kütüphanesini kullanacağız. Boto3’ü kurmak için aşağıdaki komutu kullanabilirsiniz:
“`bash
pip install boto3
“`
Uygulama Kodunu Geliştirme
Artık gerekli bileşenleri kurduğumuza göre, uygulamamız için kodumuzu yazmaya başlayabiliriz.
1. Flask Uygulaması Oluşturma
İlk olarak, Flask web uygulamasını oluşturacağız. Aşağıdaki kod, Flask uygulamasını tanımlar ve ana rotanın HTML şablonunu yükler:
“`python
from flask import Flask, render_template, request
app = Flask(__name__)
@app.route(‘/’)
def index():
return render_template(‘index.html’)
if __name__ == ‘__main__’:
app.run(debug=True)
“`
2. HTML Şablonu
Flask uygulaması tarafından yüklenen index.html şablonu aşağıdaki gibi olabilir:
“`html
Metin Analizi Uygulaması
“`
3. Metin Analizi Fonksiyonu
Metin analizi işlemini gerçekleştiren fonksiyonu aşağıdaki gibi tanımlayabiliriz:
“`python
import boto3
comprehend = boto3.client(‘comprehend’)
@app.route(‘/analyze’, methods=[‘POST’])
def analyze():
text = request.form[‘text’]
# AWS Comprehend’i kullanarak metni analiz edin
sentiment = comprehend.detect_sentiment(Text=text, LanguageCode=’tr’)
entities = comprehend.detect_entities(Text=text, LanguageCode=’tr’)
# Sonuçları bir sözlükte saklayın
results = {
‘sentiment’: sentiment[‘Sentiment’],
‘entities’: [entity[‘Text’] for entity in entities[‘Entities’]],
}
return render_template(‘results.html’, results=results)
“`
4. Sonuç Şablonu
Analiz sonuçlarının görüntülendiği results.html şablonunu aşağıdaki gibi oluşturabiliriz:
“`html
Analiz Sonuçları
Duygu: {{ results[‘sentiment’] }}
Varlıklar:
-
{% for entity in results[‘entities’] %}
- {{ entity }}
{% endfor %}
“`
Uygulamayı Çalıştırma
Uygulama kodunu tamamladıktan sonra, aşağıdaki komutu çalıştırarak uygulamayı çalıştırabilirsiniz:
“`bash
flask run
“`
Uygulama, varsayılan olarak http://127.0.0.1:5000 adresinde çalışacaktır.
Sonuç
Bu makalede, AWS Comprehend’i kullanarak, Flask web çerçevesini kullanarak, metin verilerini analiz eden ve sonuçları kullanıcı dostu bir web arayüzü aracılığıyla sunan basit bir uygulama oluşturduk. Uygulama, girdi metninin duygusunu ve varlıklarını tespit etmek için AWS Comprehend hizmetini kullanır.
AWS Comprehend, geliştiricilerin uygulamalarına güçlü NLP yetenekleri eklemelerini kolaylaştırır. Bu makaledeki örnek uygulama, AWS Comprehend’in nasıl kullanılabileceğine dair basit bir örnektir ve daha karmaşık NLP görevlerini gerçekleştirmek için genişletilebilir.
Fatih Soysal olarak, kendi web siteniz fatihsoysal.com üzerinde daha fazla bilgi ve örnekler bulabilirsiniz.
#Etiketler
#AWS #Comprehend #Flask #Python #NLP #MetinAnalizi #WebUygulaması #DoğalDilİşleme #AI #YapayZeka