Обробка текстових даних запиту
Ще одна вимога системи модерації контенту — враховувати тональність коментарів користувачів. Система має визначати конкретні проблемні фрази, щоб допомогти модераторам переглядати потенційно недоречний контент.
Ви створите endpoint, який аналізує текст від користувачів і виділяє стандартизовані прапорці модерації.
Ця вправа є частиною курсу
Розгортання AI у продакшні з FastAPI
Інструкції до вправи
- Перетворіть вхідний текст на нижній регістр у функції
analyze_comment(), щоб пошук не залежав від регістру. - Витягніть проблемні ключові слова у змінну
found_issuesз обробленого тексту, використовуючи списокproblem_keywords. - Поверніть відповідь JSON із такими ключами:
issues(список ключових слів),issue_count(ціле число) таoriginal_text(рядок).
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
@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
}