NLP 클라우드 API 소개

왜 NLP 클라우드인가?

AI 모델을 프로덕션에 배포하는 것은 프로젝트 실패의 빈번한 원인입니다. 자연어 처리 모델은 리소스를 리소스 집약적이며, 프로덕션 환경에서 이러한 모델의 고가용성을 보장하는 동시에 응답 시간을 고가용성을 보장하는 것은 어려운 일입니다. 이를 위해서는 고가의 인프라와 고급 DevOps, 프로그래밍 및 AI 기술이 필요합니다.

NLP Cloud의 목표는 기업이 품질과 가격의 저하 없이 합리적인 가격으로 신속하게 모델을 활용할 수 있도록 지원하는 것입니다.

계정 만들기

가입은 매우 빠릅니다. 등록 페이지로 이동하여 이메일 + 비밀번호를 입력하세요. (여기에서 등록하기).

이제 대시보드에서 API 토큰을 확인할 수 있습니다. 이 토큰을 안전하게 보관하세요. 이 토큰을 안전하게 보관하세요.

대시보드에 몇 가지 코드 스니펫이 제공되므로 빠르게 속도를 높일 수 있습니다. 자세한 내용은 자세한 내용은 문서 (여기에서 문서를 참조하세요.).

NLP 클라우드 API 클라이언트 라이브러리

NLP Cloud는 다음과 같은 덕분에 대부분의 일반적인 자연어 처리 기능을 바로 사용할 수 있습니다. 사전 학습된 스파시 또는 허깅 페이스 모델을 사용하거나, 직접 스파시 모델을 업로드하여 사용할 수 있습니다.

API를 쉽게 사용할 수 있도록 NLP Cloud는 여러 언어로 된 클라이언트 라이브러리를 제공합니다. (Python, Ruby, PHP, Go, Node.js). 이 튜토리얼의 나머지 부분에서는 Python 라이브러리를 사용하겠습니다.

파이썬 라이브러리를 설치하려면 PIP를 사용합니다:

pip install nlpcloud

엔티티 추출(NER)

엔티티 추출은 spaCy를 통해 이루어집니다. 모든 spaCy "대형" 사전 학습된 모델을 사용할 수 있습니다. 즉, 15개 언어를 사용할 수 있습니다. (이 모든 모델에 대한 자세한 내용은 스파시 웹사이트에서 확인하세요.). 또한 직접 개발한 맞춤형 직접 개발한 사내 스파시 모델을 업로드하여 프로덕션에 사용할 수도 있습니다. 원하는 경우 대시보드의 '사용자 지정 모델' 섹션으로 이동하면 됩니다:

이제 "John Doe는 1999년부터 시애틀의 마이크로소프트에서 1999년부터 시애틀의 Microsoft에서 일하고 있습니다."라는 문장에서 엔티티를 추출하고 싶다고 가정해 보겠습니다. 진행 방법은 다음과 같습니다:

import nlpcloud

client = nlpcloud.Client("en_core_web_lg", "")
client.entities("John Doe has been working for Microsoft in Seattle since 1999.")

추출된 각 엔티티의 콘텐츠와 문장 내 해당 위치를 반환합니다.

감정 분석

감정 분석은 허깅 페이스 트랜스포머와 Distilbert Base Uncased Finetuned SST 2 English. 예를 들면 다음과 같습니다:

import nlpcloud

client = nlpcloud.Client("distilbert-base-uncased-finetuned-sst-2-english", "")
client.sentiment("NLP Cloud proposes an amazing service!")

이 텍스트의 일반적인 감정이 긍정적인지 부정적인지, 그리고 그 가능성이 가능성을 알려줍니다.

텍스트 분류

텍스트 분류는 허깅 페이스 트랜스포머와 Facebook's Bart Large MNLI. 다음은 그 예입니다:

import nlpcloud

client = nlpcloud.Client("bart-large-mnli", "")
client.classification("""John Doe is a Go Developer at Google. 
    He has been working there for 10 years and has been 
    awarded employee of the year.""",
    ["job", "nature", "space"],
    True)

보시다시피, 분류하려는 텍스트 블록을 가능한 카테고리와 함께 전달하고 있습니다. 마지막 인수는 하나의 카테고리 또는 여러 카테고리를 적용할 수 있는지 여부를 정의하는 부울입니다.

각 카테고리에 대한 가능성을 반환합니다.

텍스트 요약

텍스트 요약은 허깅 페이스 트랜스포머와 Facebook's Bart Large CNN. 예를 들면 다음과 같습니다:

import nlpcloud

client = nlpcloud.Client("bart-large-cnn", "")
client.summarization("""The tower is 324 metres (1,063 ft) tall, 
about the same height as an 81-storey building, and the tallest structure in Paris. 
Its base is square, measuring 125 metres (410 ft) on each side. During its construction, 
the Eiffel Tower surpassed the Washington Monument to become the tallest man-made 
structure in the world, a title it held for 41 years until the Chrysler Building 
in New York City was finished in 1930. It was the first structure to reach a 
height of 300 metres. Due to the addition of a broadcasting aerial at the top of 
the tower in 1957, it is now taller than the Chrysler Building by 5.2 metres (17 ft). 
Excluding transmitters, the Eiffel Tower is the second tallest free-standing structure 
in France after the Millau Viaduct.""")

위의 내용을 요약하여 반환합니다. 이것은 "추출"이 아닌 "추상적" 요약입니다. 즉, 새로운 문장이 생성될 수도 있고 중요하지 않은 문장은 제거될 수도 있습니다. 하지만 중요하지 않은 문장은 당연히 제거됩니다.

질문 답변

허깅 페이스 트랜스포머와 Deepset's Roberta Base Squad 2. 다음은 예제입니다:

import nlpcloud

client = nlpcloud.Client("roberta-base-squad2", "")
client.question("""French president Emmanuel Macron said the country was at war
    with an invisible, elusive enemy, and the measures were unprecedented,
    but circumstances demanded them.""",
    "Who is the French president?")

여기서는 컨텍스트 덕분에 질문에 답하는 것에 대해 설명합니다.

예를 들어 위의 예는 "Emmanuel Macron"을 반환합니다.

품사(POS) 태깅

품사 태깅은 엔티티 추출에 사용된 것과 동일한 spaCy 모델을 통해 이루어집니다. 따라서 예를 들어 영어 사전 학습 모델을 사용하려면 다음과 같이 하세요:

import nlpcloud

client = nlpcloud.Client("en_core_web_lg", "")
client.dependencies("John Doe is a Go Developer at Google")

문장에서 각 토큰의 품사 부분과 다른 토큰에 대한 의존성을 반환합니다.

결론

NLP Cloud는 사용하기 쉽고 프로덕션에서 많은 시간을 절약할 수 있는 자연어 처리용 API입니다.

번역, 언어 감지, 텍스트 생성 등 더 많은 모델을 사용할 수 있습니다... 그리고 훨씬 더.

또한 중요한 성능이 필요한 경우 GPU 요금제도 제안됩니다.

이 글이 여러분께 도움이 되었기를 바랍니다! 궁금한 점이 있으시면 주저하지 마시고 언제든지 알려주세요.

Julien
NLP 클라우드의 CTO