Обработка текстовых данных запроса
Ещё одно требование к системе модерации контента — учитывать тональность комментариев пользователей. Система должна выявлять конкретные проблемные фразы, чтобы помочь модераторам проверять потенциально неприемлемый контент.
Вы создадите эндпоинт, который анализирует текст, поступающий от пользователей, и извлекает стандартизированные метки модерации.
Это упражнение является частью курса
Развёртывание ИИ в производственной среде с помощью FastAPI
Инструкции к упражнению
- Приведите входящий текст к нижнему регистру в функции
analyze_comment(), чтобы обработка не зависела от регистра символов. - Извлеките проблемные ключевые слова в
found_issuesиз обработанного текста, используя списокproblem_keywords. - Верните JSON-ответ со следующими ключами:
issues(список ключевых слов),issue_count(целое число) иoriginal_text(строка).
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
@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
}