はじめに
IBM Cloud Functionシリーズの続きです。
前の記事IBM Cloud FunctionからWatson MLのWebサービスを呼び出すを書いている時に気付いたのですが、IBM Cloud FunctionのActionでは、bxコマンドでサービスとバインドしておくと、認証情報を簡単に取れます。
この仕組みを使って、NLUのエンティティ抽出を行うサービスを作ってみました。
サービスの作成
IBM Cloudのダッシュボードから「Functions」を選択します。
下の画面が表示されたら「作成の開始」をクリックします。
次の画面では「Create Action」をクリック。
下の画面が出たら、
Action Name: nlu-servce
Runtime: Python 3
を入力して「Create」をクリック。
コード編集画面が出たら、コードの中身を下記のものに置き換えて下さい。
置き換えが終わったら、「Save」をクリックします。
#
#
# main() will be run when you invoke this action
#
# @param Cloud Functions actions accept a single parameter, which must be a JSON object.
#
# @return The output of this action, which must be a JSON object.
#
#
import sys
import json
from watson_developer_cloud import NaturalLanguageUnderstandingV1
from watson_developer_cloud.natural_language_understanding_v1 \
import Features, EntitiesOptions, KeywordsOptions, ConceptsOptions, CategoriesOptions, RelationsOptions, SentimentOptions
def main(dict):
# 解析対象文
text = dict['text']
# 認証情報の取得
creds = dict['__bx_creds']['natural-language-understanding']
#print(creds)
username = creds['username']
password = creds['password']
# NLUクライアントインスタンス生成
natural_language_understanding = NaturalLanguageUnderstandingV1(
username = username,
password = password,
version='2018-03-16')
# NLU呼出し
response = natural_language_understanding.analyze( text = text, features = Features(
#relations = RelationsOptions()
entities = EntitiesOptions(),
#concepts = ConceptsOptions(),
#keywords = KeywordsOptions(),
#sentiment = SentimentOptions(),
#categories = CategoriesOptions()
))
# 結果解析
entities = response['entities']
person = ''
company = ''
location = ''
for item in entities:
if item['type'] == 'Organization':
company = item['text']
if item['type'] == 'Person':
person = item['text']
if item['type'] == 'Location':
location = item['text']
return { 'person': person, 'company': company, 'location': location }
Cloud Functionプラグインの導入
Cloud Functionプラグインの導入がまだの場合(bx wskコマンドが使えない)は、下記リンクからプラグインの導入を行います。
Cloud Functionプラグイン
サービスのバインド
次にNLUサービスと、今作ったCloud FunctionのActionとのバインドを行います。
これを行うことにより上記コードのうち、
creds = dict['__bx_creds']['natural-language-understanding']
username = creds['username']
password = creds['password']
の部分でNLUの認証情報を取得できるようになります。
まず、次のコマンドで作成したFunctionサービスの名称を確認します。
/<org_name>_<space_name>/nlu-serviceというactionが存在するはずです。
$ bx login
$ bx wsk action list
次のコマンドで、Watson NLUサービスとバインドします。
$ bx wsk service bind natural-language-understanding nlu-service
複数のNLUサービスがある場合は、以下のようにインスタンス名もオプションで追加します。
$ bx wsk service bind natural-language-understanding nlu-service --instance <instance_name>
正常にバインドされているかどうかは、次のコマンドでわかります。
bx wsk action get nlu-service
バインドされている場合、usernameやpasswordなどの情報も、__bx_credsの配下に設定されています。
パラメータの設定
Cloud Functionサービスが解析対象パラメータ(text)を受け取れるようにします。
また、テスト用にパラメータのデフォルト値も設定します。
Cloud Functionの管理画面から「アクション」->「nlu-service」を選択し、先ほど作ったCloud Functionの詳細画面を表示します。
メニューから「Parameters」を選択し、「Add」をクリックして、以下のパラメータtextとデフォルト値を設定します。
textのデフォルト値はテスト用の解析対象テキストです。なんでもいいのですが、私は下のような自己紹介文を設定しました。デフォルト値に文字列を設定する場合、ダブルクオートで囲む必要がありますので、注意して下さい。
"はじめまして。私は日本アイ・ビー・エムの山田花子です。私は大阪から来ました。"
これで準備完了です。コードのタブに戻って「invoke」をクリックします。
うまくいくと下のような結果がかえってくるはずです。
EntityとしてCompany(「日本アイ・ビー・エム」)、Person(「山田花子」)、Location(「大阪」)が取れているのがわかると思います。
うまくいかない場合は、Pythonのソースに適宜print文を入れてデバッグして下さい。
コードを修正した場合、bx wsk service bind文は再発行する必要がありますので、その点を注意して下さい。