ARC114

概览

在实验室挑战赛中，我们会为您提供一个场景和一系列任务。您将使用从课程的各个实验中学到的技能自行确定如何完成这些任务，而不是按照分步说明进行操作。自动评分系统（显示在本页面中）会提供有关您是否已正确完成任务的反馈。

在您参加实验室挑战赛期间，我们不会再教授新的 Google Cloud 概念知识。您需要拓展所学的技能，例如通过更改默认值和查看并研究错误消息来更正您自己所犯的错误。

要想获得满分，您必须在该时间段内成功完成所有任务！

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。为此，我们会向您提供新的临时凭据，您可以在该实验的规定时间内通过此凭据登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式（推荐）或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：请仅使用学生账号完成本实验。如果您使用其他 Google Cloud 账号，则可能会向该账号收取费用。

挑战场景

您刚开始担任初级云架构师。作为一名云架构师，您被指派参与一个团队项目，期间需要用到 Google Cloud 的 Cloud Natural Language API 服务和 Cloud Speech API 服务。

您应该掌握了完成这些任务所需的技能和知识。

您的挑战

为了完成这一挑战，您需要分别使用 Cloud Natural Language API 和 Cloud Speech API 来分析一些文本和语音。您还需要使用 Python 对文本文档进行情感分析。

您需要执行的操作：

• 创建 API 密钥
• 发出实体分析请求并调用 Natural Language API
• 创建语音分析请求并调用 Speech API
• 使用 Natural Language API 分析情感

在此实验室挑战赛中，系统已为您配置名为 的虚拟机 (VM) 实例，以便您完成各项任务。

下文详细说明了您的每项任务，祝您好运！

任务 1. 创建 API 密钥

1. 在此任务中，您需要创建一个 API 密钥，以便在此任务及其他任务中用来向 Natural Language API 发送请求。

2. 保存 API 密钥，以便在其他任务中使用。

点击检查我的进度以验证是否完成了以下目标： 创建 API 密钥

任务 2. 发出实体分析请求并调用 Natural Language API

1. 在此任务中，您需要通过 SSH 连接到为您预配的实例 。

2. 接下来，需要创建一个名为 nl_request.json 的 JSON 文件，您将把该文件传递给 Natural Language API 进行分析。您可以将以下代码添加到自己的 JSON 文件中，以便对一段介绍波士顿市的文本进行分析。或者，您也可以在 content 对象中添加自己选择的文本进行实体分析。

{ "document":{ "type":"PLAIN_TEXT", "content":"With approximately 8.2 million people residing in Boston, the capital city of Massachusetts is one of the largest in the United States." }, "encodingType":"UTF8" }

3. 现在，您可以使用 curl 命令，将请求正文以及之前保存的 API 密钥环境变量一起传递给 Natural Language API，也可以使用 gcloud 机器学习命令来分析文本。

4. 将响应保存在名为 nl_response.json 的文件中。

点击检查我的进度以验证是否完成了以下目标： 发出实体分析请求并调用 Natural Language API

任务 3. 创建语音分析请求并调用 Speech API

注意：在此任务中，您会用到一个保存在 Cloud Storage 中的预先录制文件：gs://cloud-samples-tests/speech/brooklyn.flac。 先听一听该音频文件，然后再将其发送给 Speech API。

1. 为这项任务再创建一个名为 speech_request.json 的 JSON 文件，然后使用样本音频文件的 URI 值来添加内容。

{ "config": { "encoding":"FLAC", "languageCode": "en-US" }, "audio": { "uri":"Pass the API the uri of the audio file in Cloud Storage" } }

2. 现在，您可以使用 curl 命令，将请求正文以及之前保存的 API 密钥环境变量一起传递给 Natural Language API，也可以使用 gcloud 机器学习命令来分析语音。

3. 将响应保存在名为 speech_response.json 的文件中。

点击检查我的进度以验证是否完成了以下目标： 创建语音分析请求并调用 Speech API

任务 4. 使用 Natural Language API 分析情感

在此任务中，您需要使用 Google Cloud Natural Language API 来分析文本情感。该 API 会尝试确定电影评论等内容样本的总体态度（正面或负面）。在 实例中，系统已为您配置并创建一个名为 sentiment_analysis.py 的简单 Python 应用代码文件。为了进行分析，您将使用一系列（虚构或编造的）电影评论对它进行测试，所评论的电影是 Ridley Scott 执导的 1982 年科幻动作电影《银翼杀手》(Blade Runner)。

要使用 Natural Language API 来执行情感分析，您需要调用 LanguageServiceClient 实例的 analyze_sentiment 方法，以此来访问该服务。

1. 您需要修改 sentiment_analysis.py 文件中的 def analyze(movie_review_filename): 方法，并使用将会执行以下操作的 Python 代码补全该方法：

   • 实例化一个 LanguageServiceClient 实例，将其用作客户端。
   • 将包含文本数据的文件的名称读入一个变量中。
   • 使用文件的内容实例化一个 Document 对象。
   • 调用客户端的 analyze_sentiment 方法。

2. 从 Google Cloud Storage 下载虚构的电影评论样本：gs://cloud-samples-tests/natural-language/sentiment-samples.tgz。

3. 将样本文件解压缩，然后使用相关的 Python 命令，对其中的 bladerunner-pos.txt 这一文件进行情感分析。

点击检查我的进度以验证是否完成了以下目标： 使用 Natural Language API 分析情感

恭喜！

您已使用 Natural Language API 和 Speech API 成功对文本与语音执行了实体和情感分析。

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

上次更新手册的时间：2023 年 9 月 20 日

上次测试实验的时间：2023 年 9 月 20 日

版权所有 2025 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。