2
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

NLP relation extraction library using a pre-trained model - 組み込みAI セルフサービス型デジタル共創体験(DSCE)

Last updated at Posted at 2023-10-14

組み込みAI セルフサービス型デジタル共創体験(DSCE)とは

組み込みAI セルフサービス型デジタル共創体験に記載しておりますが、現在STT(speech-to-text)、TTS(test-to-speech)、NLU(natural-language-understanding)等のAIがサーバーに接続しなくても組み込んで利用することが可能となりました。

その情報がこちらのサイト、DSCE(Digital Self-Serve Co-Create Experience;"組み込みAI セルフサービス型デジタル共創体験"?)にて紹介されております。

今回はそのDSCEの中から、「NLP keywords extraction library using a pre-trained model」 の実施方法を説明します。
※個人的な利用は無償ですが、商用利用は有償となります。

今回は 「NLP relation extraction library using a pre-trained model」

https://dsce.ibm.com/wizard/try/results/embed-nlp-relation-container-pt#try
この NLP relation extraction library は非構造化データを構造化された情報を抽出してその関係性を表示することを目的としています。例えば、文中に人名があるとその人名と組織や関連イベント等を抽出してくれます。
今回もPlotly社製のOSSウェブフレームワークDashを使いNLP( Natural Language Processing (自然言語処理)) を利用したウェブアプリを構築します。

1. 前提

  • ターミナル環境
    mac : ターミナルを使います。ココ を見てターミナルを起動できるようにしてください。
    windows : powershellを使います。ココ を見てpowershellを起動できるようにしてください。
  • リソース取得
    下のURLにアクセスしリソースを取得します。
    https://github.com/IBM/dsce-sample-apps/tree/main
    ※コード改変&プルリクをするのであれば「git clone」コマンドを使うのですが、今回はソースコードの入手が目的ですので以下の様に Zip 形式でリソースを入手します。
    スクリーンショット 2023-08-12 22.28.26.png
    リソース取得後、zipファイルを展開すると以下のようなフォルダ構成になっていると思います。今回はその中の[sentimet-analysis]配下にあるリソースを使用します。

2. 手順

2.1. [relation-extraction]フォルダに移動

  • zipファイルを解凍した場所を起点として[relation-extraction]フォルダに以下のようにして移動します。

    cd dsce-sample-apps-main/relation-extraction
    

2.2. 必須ライブラリのインストール

  pip3 install -r requirements.txt

2.3. アプリ実行

 python3 relation-extraction.py

2.5. Access the local application

ブラウザを開き、localhost:8050 にアクセス
以下の様な画面が表示されます。
そこにはサンプル分文章とその抽出例が記載されており、マハトマ・ガンディーに関して関連情報の抽出をしております。

ご自身の文章を用いたい場合には、

  1. 画面上部のテキスト欄に文章を入力してください。
  2. テキスト欄右の「Extract relations」ボタンをクリック
  3. 分析した結果が表示されます。

スクリーンショット 2023-10-14 13.17.16.png

参照:NLP relation extraction library using a pre-trained model

2
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
2
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?