이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
이 게시물에서는 TensorFlow.js 및 Node.js를 사용하여 실시간 감정 분석 애플리케이션을 빌드하는 방법을 살펴보겠습니다.
감정 분석은 텍스트에서 의견 기반 정보를 추출하는 프로세스입니다. 이것은 고객 피드백을 이해하거나 뉴스 이벤트에 대한 대중의 반응을 측정하는 것과 같은 다양한 애플리케이션에 유용할 수 있습니다.
다음 도구를 사용하여 애플리케이션을 빌드할 것입니다.
먼저 개발 환경을 설정해야 합니다. 이 프로젝트에 Node.js를 사용할 예정이므로 설치했는지 확인하세요.
Node.js가 설치되면 새 프로젝트 디렉토리를 생성하고 npm으로 초기화할 수 있습니다.
mkdir sentiment-analysis
cd sentiment-analysis
npm init -y
그러면 sentiment-analysis라는 새 디렉토리가 생성되고 package.json 파일로 초기화됩니다.
다음으로 프로젝트에 대한 종속성을 설치해야 합니다. TensorFlow.js 및 Socket.io를 사용합니다.
npm install @tensorflow/tfjs socket.io
그러면 프로젝트에 @tensorflow/tfjs 및 socket.io 패키지가 설치됩니다.
이제 환경이 설정되었으므로 감정 분석 모델 구축을 시작할 수 있습니다. TensorFlow Hub의 사전 훈련된 모델을 사용할 것입니다.
이 모델을 사용하려면 먼저 TensorFlow.js에 로드해야 합니다.
const tf = require('@tensorflow/tfjs');
// Load the model.
const model = await tf.loadModel('https://tfhub.dev/google/tfjs-models/tfjs-sentiment/2/default/1');
다음으로 텍스트 문자열을 가져와 0과 1 사이의 점수를 반환하는 함수를 만들어야 합니다. 여기서 0은 음수이고 1은 양수입니다. 텍스트를 모델에 공급하고 출력의 argmax를 취함으로써 이를 수행할 수 있습니다.
function getSentiment(text) {
// Convert the text to a tensor.
const input = tf.tensor1d([text]);
// Get the model's predictions.
const predictions = model.predict(input);
// Get the highest scoring prediction.
const argMax = predictions.argMax(-1);
// We only need the highest scoring prediction's index.
const index = argMax.dataSync()[0];
// Get the predicted label.
const label = (index === 0) ? 'negative' : 'positive';
// Get the predicted probability.
const probability = predictions.dataSync()[index];
return { label, probability };
}
이제 모델을 설정했으므로 서버 생성으로 넘어갈 수 있습니다.
Node.js 및 Socket.io를 사용하여 애플리케이션용 서버를 만들 것입니다.
먼저 종속성을 요구해야 합니다.
const tf = require('@tensorflow/tfjs');
const io = require('socket.io')();
다음으로 소켓에서 들어오는 텍스트를 처리하는 함수를 만들어야 합니다.
function handleText(socket, text) {
// Get the sentiment of the text.
const { label, probability } = getSentiment(text);
// Emit the results to the socket.
socket.emit('results', { label, probability });
}
마지막으로 서버를 시작하고 들어오는 연결을 수신 대기해야 합니다.
// Start the server.
io.listen(3000);
// Listen for incoming connections.
io.on('connection', (socket) => {
// Listen for text from the socket.
socket.on('text', (text) => handleText(socket, text));
});
이제 서버를 설정했으므로 클라이언트 생성으로 넘어갈 수 있습니다.
우리는 Socket.io를 사용하여 애플리케이션용 클라이언트를 만들 것입니다.
먼저 Socket.io 클라이언트 라이브러리를 로드해야 합니다.
<script src="/socket.io/socket.io.js"></script>
다음으로 소켓을 만들고 서버에 연결해야 합니다.
// Connect to the server.
const socket = io.connect('http://localhost:3000');
이제 소켓이 설정되었으므로 서버에 텍스트를 보낼 수 있습니다. 사용자 입력을 수신하고 소켓으로 방출하여 이를 수행합니다.
// Listen for user input.
document.querySelector('#text-input').addEventListener('input', (event) => {
// Get the input text.
const text = event.target.value;
// Emit the text to the socket.
socket.emit('text', text);
});
마지막으로 서버에서 결과를 수신하고 사용자에게 표시해야 합니다.
// Listen for results from the server.
socket.on('results', (results) => {
// Get the results element.
const element = document.querySelector('#results');
// Clear the element.
element.innerHTML = '';
// Create a new paragraph for each result.
results.forEach((result) => {
const { label, probability } = result;
const paragraph = document.createElement('p');
paragraph.innerHTML = `${label}: ${probability}`;
element.appendChild(paragraph);
});
});
이제 클라이언트를 설정했으므로 애플리케이션을 테스트할 수 있습니다.
애플리케이션을 테스트하려면 브라우저에서 index.html을 엽니다. 그런 다음 텍스트 입력에 텍스트를 입력하고 Enter 키를 누릅니다. 결과 요소에 결과가 표시되어야 합니다.
이 게시물에서는 TensorFlow.js 및 Node.js를 사용하여 실시간 감정 분석 애플리케이션을 빌드하는 방법을 살펴보았습니다. 또한 TensorFlow Hub에서 사전 훈련된 모델을 사용하는 방법도 살펴보았습니다.
감정 분석에 대해 자세히 알아보려면 다음 리소스를 참조하세요.