位置：首页-资讯-后端开发

技术男的春天：小姐姐求助&暖男分析

2023-09-26 10:06

短信预约 -IT技能 免费直播动态提醒

时光荏苒，这个故事发生在4年前，那时候我头发可真厚，坐地铁也不用戴口罩。

小姐姐求助

友圈一位要做毕设的小姐姐在求助postman怎么用，我就帮她解答了一下。

我知道她并非计算机相关专业，所以很奇怪为什么要用postman。

原来她的毕设是要基于微博上最近10年关于房价的话题数据，来做分析，做未来房价的走势预测，训练模型。

她经过一番调研之后决定用某平台的「语言处理技术」，实现基础数据的语义分析，即：情感极性分类结果，0负向、1中性、2正向。

在这里插入图片描述

官方提供的是基于postman的演示demo，虽然对咱们专业人士来讲很简答，但是对学文科的小姐姐还是有一定门槛的。

我教会小姐姐怎么用postman之后，问了她一个问题：

灵魂一问

你虽然知道了postman怎么用，能查询每条数据的语义分析结果。

但是微博关于房价的数据有几十万条，你总不能用postman一条一条来操作吧！？

小姐姐蒙了

在这里插入图片描述

技术男的春天

我告诉小姐姐不用担心，可以用编程轻松解决，比如Go、Python、Java、PHP都是可以的。

但是沟通下来发现小姐姐对编程并不感冒，虽然之前有学过，但是短时间内实现需求恐怕很困难。

是时候展示真正的技术了：

于是，我帮她搭建了基于某平台AI开放平台的批量语义识别的系统，也算进行了某平台【语言处理技术】的开箱测试。

暖男分析

考虑到小姐姐并不是很懂编程，所以要以最简单的方式来实现需求：

尽量减少代码，能使用工具软件的尽量使用工具软件。
开发语言使用简单易学的PHP
数据库工具使用开箱即用的Navicat
开发环境使用一键安装工具「LNMP一键安装包」

（别问我为啥没用Go，毕竟这个故事起码3年前，哈哈哈）

说干就干，马上开始搞

搞定数据源

小姐姐已经通过某宝拿到了20W+关于房价的微博数据，现在需要做的就是基于语义分析来获得这20W+数据集对房价走势的判断。

小姐姐也是思路广啊~

首先根据数据源和某平台语义接口返回结果，设计MySql表结构。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jiIMBTll-1670227296931)(https://files.mdnice.com/user/36414/190edd7d-87c7-44f1-9e7d-eade1aab115e.png)]

考虑到数据有20万+，利用了mysql的可视化工具[Navicat]导入数据，也方便小姐姐操作。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iSHpg3OZ-1670227296937)(https://files.mdnice.com/user/36414/73de9796-256a-4f4d-ae5f-1757984feb6b.png)]

注意：要做好表格源字段和目标字段的匹配

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qK46T0MF-1670227296939)(https://files.mdnice.com/user/36414/cf553546-c652-48ca-ac5c-c87c352eb9ee.png)]

首次导入选择直接追加；后续优化模型重复导入数据时选择更新。

点击开始即可导入Excel源数据到mysql数据库中

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-67j1lf05-1670227296943)(https://files.mdnice.com/user/36414/121ee80b-68f1-4bec-b489-ee72a3743d69.png)]

导入完成，在Navicat控制台通过查询命令，共查询到231007条数据

搭建开发环境

考虑到小姐姐最终目的是训练模型，而非学习编程，所以搭建开发环境就怎么简单怎么来了。

所以我就推荐她使用「LNMP一键安装包」，10几分钟左右就把LNMP环境搭建好了

敲代码

脚本关键代码及思路：

字段说明：

mysql语句中 liuXX 是数据库名 semantic_analysis是表名

代码设计思路：

使用do while循环，批量循环请求某平台AI语义分析接口，查询positive_prob=0的数据（即未进行语义分析的数据）。

当查询不到数据时，说明所有数据已经成功请求某平台语义分析接口，且将返回结果更新到数据表中。

注意问题：

每次查询之后都会休眠1秒，因为免费版的某平台语义分析接口有QPS限制，避免出现无效请求

实现流程

查询数据：

查询条件是 positive_prob=0(代表本条数据未请求某平台接口)
查询排序：根据id倒序
查询翻页：每次查询10条

处理数据，请求某平台接口：

将查询到的数据进行json_encode()处理，进而请求某平台接口

处理某平台返回结果

异常处理：当某平台返回的error_code为282131时，表示文本内容过长，超过了某平台语义分析的字数限制。
mysql会将不符合某平台语义分析的数据源删除，不再重复请求
输出返回结果，方便查询信息，定位问题

将返回结果更新到数据表中

当某平台的返回结果 positive_prob 字段的值不为0时，表示语义分析成功，已返回结果
将返回的结果更新到mysql数据表中

批处理脚本核心文件代码：

文件名：batchProcessing.php

get_all('select * from liuxx.semantic_analysis WHERE positive_prob = 0  order by id desc limit ' . $offset . ',' . $limit);    foreach ($datas as $key => $value) {        $id = $value['id'];        $text = $value['text'];        $params = ['text' => $text];        $bodys = json_encode($params);        $response = request_post($url, $bodys);        $res_data = json_decode($response, true);        if ($res_data['error_code'] == 282131) {            $db_liuxx->query('delete from liuxx.semantic_analysis WHERE id = ' . $id);            var_dump($id . '  文本过长 删除');        }        echo 'id:';        var_dump('某平台返回:');        var_dump($res_data);        $data = [            'positive_prob' => $res_data['items'][0]['positive_prob'],            'confidence' => $res_data['items'][0]['confidence'],            'negative_prob' => $res_data['items'][0]['negative_prob'],            'sentiment' => $res_data['items'][0]['sentiment'],            'ctime' => time(),        ];        if ($data['positive_prob']) {            var_dump($data);            //更新条件            $condition = 'id = ' . $id;            $res = $db_liuxx->query('update liuxx.semantic_analysis set positive_prob = ' . $data['positive_prob'] . ', confidence = ' . $data['confidence'] . ', negative_prob = ' . $data['negative_prob'] . ', sentiment = ' . $data['sentiment'] . ' where id = ' . $id);            var_dump($res);        } else {            var_dump('某平台未返回结果');        };    }    sleep(1);} while (!empty($datas)); //能查到数据就一直循环?>function request_post($url = '', $param = ''){    if (empty($url) || empty($param)) {        return false;    }    $postUrl = $url;    $curlPost = $param;    // 初始化curl    $curl = curl_init();    // 抓取指定网页    curl_setopt($curl, CURLOPT_URL, $postUrl);    // 设置header    curl_setopt($curl, CURLOPT_HEADER, 0);    // 要求结果为字符串且输出到屏幕上    curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);    curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);    // post提交方式    curl_setopt($curl, CURLOPT_POST, 1);    curl_setopt($curl, CURLOPT_POSTFIELDS, $curlPost);    // 运行curl    $data = curl_exec($curl);    curl_close($curl);    return $data;}