geneea/keboola-nlp-analysis

Geneea NLP平台与Keboola Connection集成

本镜像实现了Geneea API与Keboola Connection的集成，是用于在KBC中执行通用NLP分析任务的Docker容器，自动构建的镜像可在https://hub.docker.com/r/geneea/keboola-nlp-analysis/%E8%8E%B7%E5%8F%96%E3%80%82

核心功能

支持以下NLP分析类型：

• 情感分析（sentiment）
• 实体识别（entities）
• 标签提取（tags）
• 关系抽取（relations）

使用场景

适用于文本数据分析场景，如新闻、评论等内容的情感倾向分析、实体信息提取、主题标签生成及实体间关系挖掘，助力数据分析与内容洞察。

构建容器

手动构建容器命令：

git clone https://github.com/Geneea/keboola-nlp-analysis.git
cd keboola-nlp-analysis
sudo docker build --no-cache -t geneea/keboola-nlp-analysis .

运行容器

从Registry运行容器：

sudo docker run \
--volume=/home/ec2-user/data:/data \
--rm \
geneea/keboola-nlp-analysis:latest

注意：--volume参数需根据实际数据路径调整。

配置说明

配置文件需映射到/data/config.json，示例如下：

{
  "storage": {
    "input": {
      "tables": [
        {
          "destination": "source.csv"
        }
      ]
    }
  },
  "parameters": {
    "user_key": "<在此输入API密钥>",
    "columns": {
      "id": ["date", "subject"],
      "title": ["subject"],
      "text": ["body_1", "body_2"]
    },
    "analysis_types": ["sentiment", "entities", "tags", "relations"],
    "language": "cs",
    "domain": "news",
    "correction": "basic",
    "diacritization": "auto",
    "use_beta": false
  }
}

输出格式

分析结果将写入四个表格：

文档级结果（analysis-result-documents.csv）

包含输入表所有id列（主键）及：

• language：检测语言（ISO 639-1代码）
• sentimentValue：情感值（范围[-1.0;1.0]）
• sentimentPolarity：情感极性（-1/0/1）
• sentimentLabel：情感标签（negative/neutral/positive）
• sentimentDetailedLabel：详细情感标签
• usedChars：字符数

句子级结果（analysis-result-sentences.csv）

包含输入表所有id列及index（句子索引，主键），并：

• segment：文本段
• text：句子内容
• 情感相关字段（同文档级）

实体级结果（analysis-result-entities.csv）

包含输入表所有id列及type/text（主键），并：

• score：相关性得分
• entityUid：实体唯一ID
• 情感相关字段（同文档级） 注：type为tag时表示主题标签

关系级结果（analysis-result-relations.csv）

包含输入表所有id列及type/name/negated/subject/object（主键），并：

• subjectType/objectType：主语/宾语类型
• subjectUid/objectUid：主语/宾语唯一ID
• 情感相关字段（同文档级）