Textdaten aus Anfragen bearbeiten
Eine weitere Anforderung an das Content-Moderationssystem ist, die Stimmung der Nutzerkommentare zu berücksichtigen. Das System muss bestimmte problematische Ausdrücke erkennen, damit die Moderatoren potenziell unangemessene Inhalte leichter überprüfen können.
Du erstellst einen Endpunkt, der Texte von Nutzern analysiert und standardisierte Moderationskennzeichen herauszieht.
Diese Übung ist Teil des Kurses
KI mit FastAPI in die Produktion bringen
Anleitung zur Übung
- Schreib den eingehenden Text in der Funktion „
analyze_comment()“ in Kleinbuchstaben um, damit die Groß-/Kleinschreibung nicht mehr wichtig ist. - Extrahier Problem-Schlüsselwörter aus „
found_issues“ aus dem verarbeiteten Text mithilfe der Liste „problem_keywords“. - Gib eine JSON-Antwort mit den folgenden Schlüsseln zurück: „
issues“ (Liste der Schlüsselwörter), „issue_count“ (Ganzzahl) und „original_text“ (Zeichenkette).
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
}