Textuelle Anfragedaten verarbeiten
Eine weitere Anforderung im Moderationssystem ist, die Stimmung in Nutzerkommentaren zu berücksichtigen. Das System soll bestimmte problematische Formulierungen erkennen, damit Moderator:innen potenziell unangebrachte Inhalte prüfen können.
Du erstellst einen Endpoint, der von Nutzenden stammenden Text analysiert und standardisierte Moderations-Flags extrahiert.
Diese Übung ist Teil des Kurses
KI in der Produktion mit FastAPI bereitstellen
Anleitung zur Übung
- Wandle den eingehenden Text in der Funktion
analyze_comment()in Kleinbuchstaben um, damit die Analyse nicht zwischen Groß- und Kleinschreibung unterscheidet. - Extrahiere Problem-Schlüsselwörter in
found_issuesaus dem verarbeiteten Text mithilfe der Listeproblem_keywords. - Gib eine JSON-Antwort mit folgenden Schlüsseln zurück –
issues(Liste von Schlüsselwörtern),issue_count(Integer) undoriginal_text(String).
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
@app.post("/analyze_comment")
def analyze_comment(text: str):
problem_keywords = ["spam", "hate", "offensive", "abuse"]
# Convert the input text to lowercase
text_lower = ____
# Extract matching flags using list comprehension
found_issues = [____ for ____ in problem_keywords if keyword in text_lower]
# Return the dictionary with required keys
return {
"____": found_issues,
"____": len(found_issues),
"____": text
}