Microsoft Azure Machine Lern- und kognitive Dienste API

Question

Ist es möglich, Cognitive Services API in Azure ML Studio aufzurufen, wenn Sie ein Modell erstellen? "Jedes Dokument, auf das sich unser Beispielexperiment beziehen kann?

Vielen Dank im Voraus.

Answer 1

Es ist möglich, execute Python snippets inside Azure ML. Von dort können Sie die Microsoft Cognitive Services-API mit einer Python-Schnittstelle aufrufen (werfen Sie einen Blick auf das Beispiel für die API Face von Python). Hier

Answer 2

ist der Beispielcode Sie können versuchen:

import urllib2 
import urllib 
import sys 
import base64 
import json 
import numpy as np 
import pandas as pd 

# The entry point function can contain up to two input arguments: 
# Param<dataframe1>: a pandas.DataFrame 
# Param<dataframe2>: a pandas.DataFrame 
def azureml_main(dataframe1 = None, dataframe2 = None): 

    # Execution logic goes here 
    #print('Input pandas.DataFrame #1:\r\n\r\n{0}'.format(dataframe1)) 

# Account key is for Ted Way 
    account_key = str(dataframe2['Col1'][0]) 
    #account_key = 'api_key' 

    #base_url = 'https://api.datamarket.azure.com/data.ashx/amla/text-analytics/v1' 
    #base_url = str(dataframe2['Col2'][0])   
    base_url = 'https://westus.api.cognitive.microsoft.com/' 

    headers = {'Content-Type':'application/json', 'Ocp-Apim-Subscription-Key':account_key} 

    #input_text = sys.argv[2] 
    sentiment_scores = [] 
    num_examples = len(dataframe1.index) 
    input_texts = '{"documents":[' 
#for each record 
    for i in range(0,num_examples): 
     input_text = str(dataframe1['Text'][i])   
     input_text = input_text.replace("\"", "'") 

     #params = { 'Text': input_text}   
     input_texts = input_texts + '{"id":"' + str(i) + '","text":"'+ input_text + '"},'   

    input_texts = input_texts + ']}' 
    print input_texts 

    # Detect sentiment. 
    batch_sentiment_url = base_url + 'text/analytics/v2.0/sentiment'   

    req = urllib2.Request(batch_sentiment_url, input_texts, headers) 
    response = urllib2.urlopen(req) 
    result = response.read() 
    obj = json.loads(result) 

    for sentiment_analysis in obj['documents']:    
     sentiment_scores.append(str(sentiment_analysis['score'])) 
     #print('Sentiment score: ' + str(obj['Score'])) 

    sentiment_scores = pd.Series(np.array(sentiment_scores))   

    df1 = pd.DataFrame({'SentimentScore':sentiment_scores}) 

# Don't return the original text' 
    #frames = [dataframe1, df1] 

    #dataframe1 = pd.concat(frames, axis=1) 

    # Return value must be of a sequence of pandas.DataFrame 
    return df1